#vision-language-models Repository
86 repository in totale
Il repository fornisce il codice associato all'articolo VLFM: Vision-Language Frontier Maps per la navigazione semantica zero-shot (ICRA 2024)
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Un agente intelligente di visione artificiale che puรฒ magicamente ripristinare qualsiasi immagine in perfetti 4K!
Codice ufficiale per "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]
[NeurIPS'25 Spotlight] Repository ufficiale per "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment"
MM-EUREKA: Esplorare le frontiere del ragionamento multimodale con rinforzo basato su regole
Una raccolta e una ricerca allโavanguardia sui lavori di modelli visionโlinguaggio, oltre a un repository GitHub di modelli. Aggiornamenti continui.
Dati e codice per l'articolo NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".
BiomedGPT: Un modello fondazionale generalista Vision-Language per diversi compiti biomedici
[ICCV 2025] Codice ufficiale di "ORION: Un framework olistico end-to-end per la guida autonoma tramite generazione di azioni istruite da visione e linguaggio"
EMNLP'22 | MedCLIP: Apprendimento contrastivo da immagini e testi medici non accoppiati
Chatta con i tuoi documenti utilizzando Vision Language Models. Questo repository implementa una pipeline RAG End to End sia con VLM locali che proprietari.
[ICLR 2026] ReCogDrive: Un Framework Cognitivo Rinforzato per la Guida Autonoma End-to-End
Implementazione ufficiale del codice di Vary-toy (Small Language Model incontra Reinforced Vision Vocabulary)
Un elenco curato di risorse di apprendimento per rinforzo multi-modale (in continuo aggiornamento)
Repository ufficiale per "Glyph: Ridimensionamento delle finestre di contesto tramite compressione visuale-testuale"
Framework che consente il fine-tuning di modelli di grounding visione-linguaggio su set di dati personalizzati
Una raccolta di articoli, codici, set di dati, benchmark e risorse sul ragionamento multimodale.
๐ Modelli di visione, linguaggio e azione per la guida autonoma: passato, presente e futuro
[BIONLP@ACL 2024] XrayGPT: Riassunto di radiografie del torace utilizzando modelli medici di visione e linguaggio.
Apprendimento per rinforzo con modelli del mondo per agenti VLM multi-turno. Framework di apprendimento per rinforzo per la visione (NeurIPS 2025).
Implementazioni ufficiali di "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]
Un framework di interazione di apprendimento per rinforzo uomo-multi-agente attendibile