#vision-language Repositórios
Descubra 20 repositórios ativos de código aberto no GitHub marcados com #vision-language, acumulando um total de 40,771 estrelas (uma média de 2,038 por projeto). O líder deste tópico é IDEA-Research/GroundingDINO, com 9,509 estrelas.
20 repositórios no total
[ECCV 2024] Implementação oficial do artigo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Versão chinesa do CLIP que alcança a recuperação cross-modal e a geração de representação em chinês.
Código PyTorch para BLIP: Pré-treinamento de Bootstrapping de Linguagem-Imagem para Compreensão e Geração Unificadas de Visão-Linguagem
Repositório oficial do OFA (ICML 2022). Artigo: OFA: Unificando Arquiteturas, Tarefas e Modalidades Através de uma Estrutura Simples de Aprendizagem Sequência-para-Sequência
Uma implementação de código aberto para o ajuste fino da série Qwen-VL pela Alibaba Cloud.
Uma coleção de ideias e algoritmos originais e inovadores voltados para Máquinas Literatas Avançadas. Este projeto é mantido pela Equipe de OCR no Laboratório de Tecnologia de Linguagem, Tongyi Lab, Alibaba Group.
[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.
[ECCV 2024 Oral] DriveLM: Dirigindo com Resposta Visual de Perguntas em Grafos
Um modelo de representação geral que abrange as modalidades de visão, áudio e linguagem. Artigo: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities
CALVIN - Um benchmark para Aprendizagem de Políticas Condicionada por Linguagem para Tarefas de Manipulação Robótica de Longo Prazo
🔥🔥 LLaVA++: Estendendo LLaVA com Phi-3 e LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Esta é a implementação de terceiros do artigo Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.
Uma série de modelos de 11B com pesos abertos para compreensão de vídeos longos e em tempo real
[ICLR 2024] Controlando Modelos de Visão e Linguagem para Restauração Universal de Imagem. 5º lugar no Desafio NTIRE 2024 Restaure Qualquer Modelo de Imagem na Natureza.
🌐 Modelos de visão, linguagem e ação para a condução autónoma: passado, presente e futuro
Perguntas Frequentes
Qual é o repositório de #vision-language mais popular no GitHub?
O projeto de código aberto de #vision-language mais bem classificado no GitHub é IDEA-Research/GroundingDINO, com 9,509 estrelas. [ECCV 2024] Implementação oficial do artigo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Quais linguagens de programação são mais usadas nos repositórios de #vision-language?
Entre os projetos de #vision-language 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 #vision-language?
Acompanhamos 20 repositórios ativos de código aberto marcados com #vision-language (com mais de 500 estrelas), totalizando 40,771 estrelas e uma média de 2,038 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.