#vision-language-model 저장소
#vision-language-model 태그가 지정된 GitHub의 활성 오픈 소스 저장소 82개를 확인해 보세요. 총 263,383개의 스타를 획득했으며 프로젝트당 평균 3,211개입니다. 이 주제를 이끄는 저장소는 24,232개의 스타를 받은 haotian-liu/LLaVA입니다.
저장소 총 82개
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA)는 GPT-4V 수준 이상의 기능을 목표로 구축되었습니다.
X-AnyLabeling: 텍스트, 이미지, 비디오, 포인트 클라우드 및 멀티모달 데이터의 주석 작업을 위한 가볍고 효율적인 통합형 크로스 플랫폼 데스크톱 애플리케이션입니다. 다용도 내장 도구와 최첨단 AI 모델을 결합하고, 다양한 형식으로 유연하게 내보낼 수 있습니다.
[CVPR 2024 Oral] InternVL Family: GPT-4o에 대한 선구적인 오픈소스 대안. GPT-4o 성능에 근접하는 오픈소스 멀티모달 대화 모델
오프라인 AI의 '맥가이버 칼'. 휴대폰이나 Mac에서 채팅, 시각 인식, 음성 대화, 이미지 생성을 경험하세요. GGUF LLM, 비전, Whisper 음성 인식, Stable Diffusion, 도구 호출 및 로컬 네트워크 서버를 지원합니다. CPU, GPU 또는 NPU에서 실행되며, 계정이나 API 키가 필요 없고 데이터가 기기 외부로 유출되지 않습니다.
"Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models"의 공식 저장소
InternLM-XComposer2.5-OmniLive: 장기 스트리밍 비디오 및 오디오 상호 작용을 위한 포괄적인 멀티모달 시스템
Cradle 프레임워크는 일반 컴퓨터 제어(GCC)에 대한 최초의 시도입니다. Cradle은 최소한의 요구 사항으로 표준화된 일반 환경에서 강력한 추론 능력, 자체 개선 및 기술 큐레이션을 가능하게 하여 에이전트가 모든 컴퓨터 작업을 능숙하게 수행할 수 있도록 지원합니다.
NVIDIA AI 비디오 검색 및 요약(VSS) 청사진은 실시간 검증 경고, 시각적 Q&A, 자동 보고 기능을 갖춘 비디오 분석 에이전트를 구축하기 위한 GPU 가속 참조 아키텍처입니다. VSS 청사진은 NVIDIA Cosmos와 같은 비전 언어 모델(VLM), NVIDIA Nemotron과 같은 LLM, RAG 및 NVIDIA NIM을 사용합니다.
고급 문학 기계를 위한 독창적이고 혁신적인 아이디어 및 알고리즘 모음입니다. 이 프로젝트는 Alibaba Group의 Tongyi Lab 언어 기술 연구소 OCR 팀에서 유지 관리합니다.
【ICML 2025 Spotlight】 논문‘’HealthGPT: 이종 지식 적응을 통한 이해 및 생성 통합을 위한 의료 대형 비전-언어 모델‘’ 공식 저장소
Apple Silicon용 고성능 OpenAI 및 Anthropic 호환 LLM 추론 서버. 네이티브 MLX, 연속 배치, 멀티모달 모델, MCP 도구 호출 및 Claude Code 지원.
Seed1.5-VL은 일반 목적의 멀티모달 이해 및 추론을 발전시키도록 설계된 비전-언어 기반 모델로, 60개의 공개 벤치마크 중 38개에서 최첨단 성능을 달성했습니다.
Apple Silicon이 탑재된 Mac에서 LLM 미세 조정. SFT, DPO, GRPO, 비전, TTS, STT, 임베딩, OCR 미세 조정 — MLX에서 네이티브 지원. Unsloth 호환 API.
텍스트 전용 모델이 이미지를 "볼" 수 있도록 더 나은 비전 도구 키트와 스킬을 설계하고, 다중 이미지 이해, 이미지 Q&A, 프론트엔드 UI 복원, GUI 자동화 등을 지원하며, 선택적으로 여러 주요 에이전트와 원활하게 통합하고, 붙여넣은 이미지를 직접 인식합니다 | 텍스트 전용 LLM을 위해 설계된 비전 도구 키트 및 스킬: 이미지 Q&A, 긴 스크린샷 OCR, 프론트엔드 UI 복원 및 GUI 자동화, Codex, Claude Code, Pi, Oh My Pi 및 OpenCode와의 선택적 원활한 통합
[CVPR 2024 🔥] 객체 분할 마스크와 완벽하게 통합된 자연어 응답을 생성할 수 있는 최초의 모델인 GLaMM(Grounding Large Multimodal Model)입니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #vision-language-model 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #vision-language-model 프로젝트는 24,232개의 스타를 받은 haotian-liu/LLaVA입니다. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA)는 GPT-4V 수준 이상의 기능을 목표로 구축되었습니다.
#vision-language-model 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #vision-language-model 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, TypeScript, C++입니다.
#vision-language-model 저장소 순위는 어떻게 계산되나요?
#vision-language-model 태그가 지정된 활성 오픈 소스 저장소(82개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 263,383개이며 저장소당 평균 3,211개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.