#vision-language-models リポジトリ
リポジトリ合計86件
このリポジトリは、論文VLFM: Vision-Language Frontier Maps for Zero-Shot Semantic Navigation (ICRA 2024) に関連するコードを提供します。
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. どんな画像でも魔法のように完璧な4K超解像度にするインテリジェントなコンピュータビジョンエージェント!
[NeurIPS'25 Spotlight] "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment" の公式リポジトリ
NeurIPS 2022論文「Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering」のデータとコード。
[ICCV 2025] 「ORION: ビジョンと言語による指示に基づいたアクション生成によるホリスティックなエンドツーエンド自動運転フレームワーク」の公式コード
ビジョン言語モデルを使用してドキュメントとチャットします。このリポジトリは、ローカルおよびプロプライエタリな VLM を使用したエンドツーエンド RAG パイプラインを実装しています。
「Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models」の公式実装 [NeurIPS 2023]