#llava リポジトリ
#llavaのタグが付いた、GitHub上の26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80,904個で、プロジェクトあたりの平均は3,111個です。このトピックをリードしているのは、24,232個のスターを獲得しているhaotian-liu/LLaVAです。
リポジトリ合計26件
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) は、GPT-4V レベルの機能、さらにはそれ以上の機能を目指して構築されました。
このリポジトリには、「FastVLM: Efficient Vision Encoding for Vision Language Models」- CVPR 2025 の公式実装が含まれています。
SUPIRは、写真のようにリアルな画像復元のための実用的なアルゴリズムを開発することを目指しています。新しいオンラインデモもsuppixel.aiで公開されています。
[ACL 2024 🔥] Video-ChatGPTは、動画に関する意味のある会話を生成できる動画会話モデルです。LLMの機能と、時空間動画表現に適応された事前学習済みビジュアルエンコーダーの機能を組み合わせています。また、動画ベースの会話モデルのための厳格な「定量評価ベンチマーク」も導入します。
Paddle Multimodal Integration and eXplorationは、エンドツーエンドの大規模マルチモーダル事前学習モデルや拡散モデルツールボックスを含む、主流のマルチモーダルタスクをサポートします。高性能と柔軟性を備えています。
👁️ + 💬 + 🎧 = 🤖 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]
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。
[ECCV 2024 口頭発表] 論文コード: レイヤー 2 の後、画像は 1/2 トークンに値する: 大規模視覚言語モデルのためのプラグアンドプレイ推論アクセラレーション
HuggingFace上のLlama 3、DeepSeek R1、およびその他の多くのモデルによって強化された、日常業務を支援するAI搭載アシスタント。
よくある質問
GitHubで最も人気のある#llava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#llavaプロジェクトは、24,232個のスターを獲得しているhaotian-liu/LLaVAです。[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) は、GPT-4V レベルの機能、さらにはそれ以上の機能を目指して構築されました。
#llava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#llavaプロジェクトでは、Python, Jupyter Notebook, C#, HTMLが最も一般的なプログラミング言語です。
#llava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?
#llavaのタグが付いた26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80,904個で、リポジトリあたりの平均は3,111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。