#llava Repositórios
Descubra 26 repositórios ativos de código aberto no GitHub marcados com #llava, acumulando um total de 80,904 estrelas (uma média de 3,111 por projeto). O líder deste tópico é haotian-liu/LLaVA, com 24,232 estrelas.
26 repositórios no total
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) construído em direção a capacidades de nível GPT-4V e além.
Este repositório contém a implementação oficial de "FastVLM: Codificação Visual Eficiente para Modelos de Visão e Linguagem" - CVPR 2025
MLX-VLM é um pacote para inferência e ajuste fino de Modelos de Linguagem Visual (VLMs) no seu Mac usando MLX.
SUPIR visa desenvolver Algoritmos Práticos para Restauração de Imagens Fotorrealistas em Ambientes Reais. Nossa nova demonstração online também foi lançada em suppixel.ai.
Kit de ferramentas de avaliação de código aberto para grandes modelos de multimodalidade (LMMs), com suporte para mais de 220 LMMs e mais de 80 benchmarks
Soluções de PNL em Chinês (Grandes Modelos, Dados, Modelo, Treinamento, Inferência)
Uma biblioteca C#/.NET para executar LLMs (🦙LLaMA/LLaVA) no seu dispositivo local de forma eficiente.
[EMNLP-2024] Construir agentes de linguagem multimodal para prototipagem e produção rápidas
[ACL 2024 🔥] Video-ChatGPT é um modelo de conversação por vídeo capaz de gerar conversas significativas sobre vídeos. Ele combina as capacidades de LLMs com um codificador visual pré-treinado adaptado para a representação espaciotemporal de vídeo. Também introduzimos um rigoroso 'Quantitative Evaluation Benchmarking' para modelos de conversação baseados em vídeo.
Estrutura Totalmente Aberta para Treinamento Multimodal Democratizado
Um framework poderoso de compressão de modelos para LLMs e LVLMs, adaptado para GPUs NVIDIA e NPUs Huawei Ascend.
🔥🔥 LLaVA++: Estendendo LLaVA com Phi-3 e LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Uma coleção e pesquisa de ponta sobre artigos de modelos de visão-linguagem, e repositório GitHub de modelos. Atualizações contínuas.
Paddle Multimodal Integration and eXploration, com suporte a tarefas multimodais predominantes, incluindo modelos de pré-treinamento multimodais de grande escala de ponta a ponta e um conjunto de ferramentas de modelos de difusão. Equipado com alto desempenho e flexibilidade.
👁️ + 💬 + 🎧 = 🤖 Lista curada dos principais modelos de fundação e multimodais! [Artigo + Código + Exemplos + Tutoriais]
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.
[ECCV 2024 Apresentação Oral] Código para o artigo: Uma Imagem Vale 1/2 Token Após a Camada 2: Aceleração de Inferência Plug-and-Play para Grandes Modelos Visão-Linguagem
LLaVA-Mini é um modelo multimodal grande unificado (LMM) que pode suportar a compreensão de imagens, imagens de alta resolução e vídeos de forma eficiente.
[ICLR2026] VideoChat-Flash: Compressão hierárquica para a modelagem de vídeo de longo contexto
Assistente com IA para ajudar você com suas tarefas diárias, impulsionado por Llama 3, DeepSeek R1 e muitos outros modelos no HuggingFace.
Perguntas Frequentes
Qual é o repositório de #llava mais popular no GitHub?
O projeto de código aberto de #llava mais bem classificado no GitHub é haotian-liu/LLaVA, com 24,232 estrelas. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) construído em direção a capacidades de nível GPT-4V e além.
Quais linguagens de programação são mais usadas nos repositórios de #llava?
Entre os projetos de #llava mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C#, HTML.
Como é calculada a classificação dos repositórios de #llava?
Acompanhamos 26 repositórios ativos de código aberto marcados com #llava (com mais de 500 estrelas), totalizando 80,904 estrelas e uma média de 3,111 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.