#image-captioning リポジトリ
#image-captioningのタグが付いた、GitHub上の24件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は94,220個で、プロジェクトあたりの平均は3,925個です。このトピックをリードしているのは、25,770個のスターを獲得しているVision-CAIR/MiniGPT-4です。
リポジトリ合計24件
MiniGPT-4およびMiniGPT-v2のオープンソースコード (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
InternGPT (iGPT)は、AIモデルを簡単に紹介できるオープンソースのデモプラットフォームです。現在、DragGAN、ChatGPT、ImageBind、GPT-4のようなマルチモーダルチャット、SAM、インタラクティブな画像編集などをサポートしています。igpt.opengvlab.comでお試しください(DragGAN、ChatGPT、ImageBind、SAMをサポートするオンラインデモシステム)。
OFA (ICML 2022) の公式リポジトリ。論文:OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
LLM、ASR、TTS、OCR、CVなどの技術を備えたAI VTuber、ライブ配信やMinecraftを一緒にプレイしましょう。
AUTOMATIC1111 の SD Web UI 用データセット キャプション編集拡張機能
👁️ + 💬 + 🎧 = 🤖 トップ基盤モデルとマルチモーダルモデルのキュレーションリスト! [論文 + コード + 例 + チュートリアル]
ComfyUIノード画像に基づく推奨:Joy_caption + MiniCPMv2_6-prompt-generator + florence2
ビジョン言語モデル用ComfyUIノード:Qwen3-VL、Moondream 3、Florence-2、SmolVLM2、InternVL、Gemma 3、MiniCPM-V。さらに、オープンボキャブラリー検出、SAM2/SAM3セグメンテーション、動画の時間的推論、llama.cpp経由のGGUF、およびホスト型LLM/VLM APIに対応。
Qwen3-VL-InstructシリーズをComfyUIプラットフォームに成功裏に統合したことで、スムーズな動作が実現し、(しかし限られない)テキストベースのクエリ、ビデオクエリ、単一イメージクエリ、マルチイメージクエリをサポートし、キャプションや回答を生成できるようになりました。
よくある質問
GitHubで最も人気のある#image-captioningリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#image-captioningプロジェクトは、25,770個のスターを獲得しているVision-CAIR/MiniGPT-4です。MiniGPT-4およびMiniGPT-v2のオープンソースコード (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
#image-captioningリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#image-captioningプロジェクトでは、Python, Jupyter Notebook, Swiftが最も一般的なプログラミング言語です。
#image-captioningリポジトリのランキングはどのように算出されていますか?
#image-captioningのタグが付いた24件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は94,220個で、リポジトリあたりの平均は3,925個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。