#image-captioning Repositórios
Descubra 24 repositórios ativos de código aberto no GitHub marcados com #image-captioning, acumulando um total de 94,220 estrelas (uma média de 3,925 por projeto). O líder deste tópico é Vision-CAIR/MiniGPT-4, com 25,770 estrelas.
24 repositórios no total
Códigos de código aberto para MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Uma ferramenta simples de análise de tela visando um agente GUI puramente baseado em visão
Código PyTorch para BLIP: Pré-treinamento de Bootstrapping de Linguagem-Imagem para Compreensão e Geração Unificadas de Visão-Linguagem
Modelo Keras para gerar código HTML a partir de maquetes de websites desenhadas à mão. Implementa uma arquitetura de legendagem de imagem para as imagens-fonte desenhadas.
InternGPT (iGPT) é uma plataforma de demonstração de código aberto onde você pode exibir facilmente seus modelos de IA. Agora, ele suporta DragGAN, ChatGPT, ImageBind, bate-papo multimodal como GPT-4, SAM, edição interativa de imagens, etc. Experimente em igpt.opengvlab.com (Sistema Demo online que suporta DragGAN, ChatGPT, ImageBind, SAM)
Repositório oficial do OFA (ICML 2022). Artigo: OFA: Unificando Arquiteturas, Tarefas e Modalidades Através de uma Estrutura Simples de Aprendizagem Sequência-para-Sequência
Classe Swift simples para fornecer todas as configurações que você precisa para criar uma visualização de câmera personalizada em seu aplicativo
:fire: :fire: :fire: Uma lista de artigos de alguns trabalhos recentes em Visão Computacional (CV)
VTuber de IA com LLM, ASR, TTS, OCR, CV e outras tecnologias para fazer transmissões ao vivo ou jogar Minecraft com você.
Extensão para editar legendas de datasets para a interface web do SD por AUTOMATIC1111
Raspagem de dados do Twitter, pesquisa de imagens baseada em embeddings e muito mais.
👁️ + 💬 + 🎧 = 🤖 Lista curada dos principais modelos de fundação e multimodais! [Artigo + Código + Exemplos + Tutoriais]
Recomendado com base nas imagens dos nós do comfyui: Joy_caption + MiniCPMv2_6-prompt-generator + florence2
Nós do ComfyUI para modelos de visão-linguagem: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Além de detecção de vocabulário aberto, segmentação SAM2/SAM3, raciocínio temporal de vídeo, GGUF via llama.cpp e APIs de LLM/VLM hospedadas.
A integração bem-sucedida da série Qwen3-VL-Instruct na plataforma ComfyUI permitiu um funcionamento suave, suportando (mas não se limitando a) consultas baseadas em texto, consultas de vídeo, consultas de uma única imagem e consultas de múltiplas imagens para gerar legendas ou respostas.
[CVPR 2021] VirTex: Aprendendo Representações Visuais a partir de Anotações Textuais
Perguntas Frequentes
Qual é o repositório de #image-captioning mais popular no GitHub?
O projeto de código aberto de #image-captioning mais bem classificado no GitHub é Vision-CAIR/MiniGPT-4, com 25,770 estrelas. Códigos de código aberto para MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Quais linguagens de programação são mais usadas nos repositórios de #image-captioning?
Entre os projetos de #image-captioning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Swift.
Como é calculada a classificação dos repositórios de #image-captioning?
Acompanhamos 24 repositórios ativos de código aberto marcados com #image-captioning (com mais de 500 estrelas), totalizando 94,220 estrelas e uma média de 3,925 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.