#vision-language Repository
Scopri 20 repository GitHub open source attivi contrassegnati con #vision-language, che raccolgono un totale di 40,771 stelle (con una media di 2,038 stelle per progetto). Il progetto leader di questo argomento è IDEA-Research/GroundingDINO, con 9,509 stelle.
20 repository in totale
[ECCV 2024] Implementazione ufficiale del paper "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Versione cinese di CLIP che ottiene il recupero cross-modale e la generazione di rappresentazioni in cinese.
Codice PyTorch per BLIP: Bootstrapping Language-Image Pre-training per la comprensione e generazione unificata visione-linguaggio
Repository ufficiale di OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Un'implementazione open-source per l'affinamento della serie Qwen-VL di Alibaba Cloud.
Una raccolta di idee e algoritmi originali e innovativi per macchine letterarie avanzate. Questo progetto è mantenuto dal Team OCR nel Language Technology Lab, Tongyi Lab, Alibaba Group.
[ACL 2024 🔥] Video-ChatGPT è un modello di conversazione video capace di generare conversazioni significative sui video. Combina le capacità degli LLM con un encoder visivo pre-addestrato adattato per la rappresentazione video spazio-temporale. Introduciamo anche un rigoroso "Quantitative Evaluation Benchmarking" per modelli conversazionali basati su video.
Un modello di rappresentazione generale attraverso modalità visive, audio e linguistiche. Articolo: ONE-PEACE: Esplorazione di un modello di rappresentazione generale verso modalità illimitate
CALVIN - Un benchmark per l'apprendimento di policy condizionato dal linguaggio per attività di manipolazione robotica a lungo orizzonte
🔥🔥 LLaVA++: Estendere LLaVA con Phi-3 e LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Questa è l'implementazione di terze parti del paper Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.
Una serie di modelli da 11B a pesi aperti per la comprensione di video di lunga durata e in tempo reale
[ICLR 2024] Controllo di modelli Vision-Language per il ripristino universale delle immagini. Quinto posto nella sfida NTIRE 2024 Restore Any Image Model in the Wild.
🌐 Modelli di visione, linguaggio e azione per la guida autonoma: passato, presente e futuro
Domande frequenti
Qual è il repository #vision-language più popolare su GitHub?
Il progetto open source #vision-language più alto in classifica su GitHub è IDEA-Research/GroundingDINO, con 9,509 stelle. [ECCV 2024] Implementazione ufficiale del paper "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Quali linguaggi di programmazione sono più utilizzati nei repository #vision-language?
Tra i progetti #vision-language più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, HTML.
Come viene calcolata la classifica dei repository #vision-language?
Monitoriamo 20 repository open source attivi contrassegnati con #vision-language (500+ stelle), per un totale di 40,771 stelle e una media di 2,038 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.