#vision-language-model 저장소
저장소 총 82개
[dsh] 텍스트 전용 모델을 위해 설계된 더욱 강력한 비주얼 툴킷: 한 줄로 설치 및 사용, 이미지를 붙여 넣어 바로 인식, 여러 이미지 질의응답, 스크린샷을 프런트엔드 UI로 복원하는 기능 등|agent-vision-toolkit을 위한 DeepSeek Harness 네이티브 통합: 이미지 Q&A, 긴 스크린샷 OCR, UI 복원, 그라운딩, 픽셀 차이 비교, Artifacts 및 Web UI.
[CVPR 2024 Highlight🔥] Chat-UniVi: 통합 시각 표현으로 대규모 언어 모델의 이미지 및 비디오 이해 능력 강화
텍스트, 이미지, 동영상을 지원하는 0.8B~27B 규모의 오픈 멀티모달 의사결정 모델입니다. 텍스트를 생성하는 대신 자체 후보에 확률을 부여해 판단하고, 바운딩 박스로 위치를 찾습니다. 무료 API, ONNX, GGUF, vLLM, SGLang을 지원하며 파인튜닝 코드도 포함되어 있습니다.
정보 이 리포지토리는 가장 흥미롭고 영향력 있는 CVPR 2025 논문의 큐레이션된 모음입니다. 🔥 [Paper + Code + Demo]
LLM/VLM 시대의 대형 모델을 활용한 로보틱스 분야 3D 비전 관련 논문 목록, awesome-computer-vision에서 영감을 받았으며 논문, 코드 및 관련 웹사이트 포함
CLIP과 같은 Vision-Language 모델을 위한 큐레이트된 멋진 프롬프트/어댑터 학습 방법 목록입니다.
[ICLR 2026] "Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model"의 공식 구현
AI 가을 채용을 위한 중·영 이중 언어 ML / LLM / diffusion / agent 면접 치트시트 — ARIS /interview-cheatsheet로 생성하고 /render-html로 어디서나 읽을 수 있는 단일 파일 HTML로 렌더링 — CV→DBLP 대조로 사실 확인한 학술 홈페이지 생성기와 직접 작성한 장문 블로그도 제공 🌱
Qwen3-VL-Instruct 시리즈를 ComfyUI 플랫폼에 성공적으로 통합함으로써 부드러운 운영이 가능해졌으며, (하지만 이에 국한되지 않는) 텍스트 기반 질의, 비디오 질의, 단일 이미지 질의, 그리고 다중 이미지 질의에 대한 지원을 제공하여 캡션 또는 응답을 생성합니다.
Flame은 UI 디자인 목업을 고품질 React 코드로 변환하도록 설계된 오픈 소스 멀티모달 AI 시스템입니다. 비전-언어 모델링, 자동화된 데이터 합성 및 구조화된 학습 워크플로를 활용하여 디자인과 프론트엔드 개발 간의 격차를 해소합니다.
챗봇 아레나가 멀티모달리티를 만납니다! 멀티모달리티 아레나를 사용하면 이미지를 입력으로 제공하면서 비전-언어 모델을 나란히 벤치마킹할 수 있습니다. MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 등을 지원합니다!
논문 ✨Counting Anything에 대한 코드 및 구현 지침. 프로젝트 페이지: https://mengqi-lei.github.io/count-anything-projectpage/
[Awesome-Spatial-VLMs] 이 저장소는 설문 조사 논문인 '비전-언어 모델에서의 공간 지능: 포괄적인 설문 조사(Spatial Intelligence in Vision-Language Models: A Comprehensive Survey)'를 위한 공식 커뮤니티 관리 리소스입니다.
로봇공학에서 Vision‑Language‑Action (VLA) 모델에 대한 우수한 연구 논문, 모델, 데이터 세트 및 기타 리소스의 종합 목록.