#image-captioning Репозитории
Откройте для себя 24 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #image-captioning, с общим числом 94,220 звёзд (в среднем 3,925 на проект). Лидером этой темы является Vision-CAIR/MiniGPT-4, набравший 25,770 звёзд.
Всего репозиториев: 24
Открытые исходные коды для MiniGPT-4 и MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Код PyTorch для BLIP: Bootstrapping Language-Image Pre-training для унифицированного понимания и генерации изображений и языка
Модель Keras для генерации HTML-кода из ручных набросков макетов веб-сайтов. Реализует архитектуру подписи изображений для нарисованных исходных изображений.
InternGPT (iGPT) — это демонстрационная платформа с открытым исходным кодом, где вы можете легко демонстрировать свои модели ИИ. Теперь она поддерживает DragGAN, ChatGPT, ImageBind, мультимодальный чат, такой как GPT-4, SAM, интерактивное редактирование изображений и т. д. Попробуйте на igpt.opengvlab.com (онлайн-демосистема с поддержкой DragGAN, ChatGPT, ImageBind, SAM).
Официальный репозиторий OFA (ICML 2022). Статья: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
Простой класс Swift, который предоставляет все необходимые вам конфигурации для создания пользовательского вида камеры в вашем приложении
:fire: :fire: :fire: Список статей по некоторым недавним работам в области компьютерного зрения (CV)
AI VTuber с LLM, ASR, TTS, OCR, CV и другими технологиями для трансляций в прямом эфире или совместной игры в Minecraft.
Расширение для редактирования подписей наборов данных для веб-интерфейса SD от AUTOMATIC1111
Парсинг данных Twitter, поиск изображений на основе встраивания и многое другое.
👁️ + 💬 + 🎧 = 🤖 Кураторский список лучших фундаментальных и мультимодальных моделей! [Paper + Code + Examples + Tutorials]
Рекомендовано на основе изображений узлов ComfyUI: Joy_caption + MiniCPMv2_6-prompt-generator + florence2
Узлы ComfyUI для моделей зрения-языка: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. А также обнаружение с открытым словарем, сегментация SAM2/SAM3, временное видео-рассуждение, GGUF через llama.cpp и размещенные API LLM/VLM.
Успешная интеграция серии Qwen3-VL-Instruct в платформу ComfyUI позволила обеспечить плавную работу, поддерживая (но не ограничиваясь) запросы на основе текста, запросы к видео, запросы к одному изображению и запросы к нескольким изображениям для генерирования подписей или ответов.
Часто задаваемые вопросы
Какой репозиторий по теме #image-captioning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #image-captioning на GitHub — Vision-CAIR/MiniGPT-4, набравший 25,770 звёзд. Открытые исходные коды для MiniGPT-4 и MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
Какие языки программирования чаще всего используются в репозиториях по теме #image-captioning?
Среди наиболее высоко оценённых проектов по теме #image-captioning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, Swift.
Как рассчитывается рейтинг репозиториев по теме #image-captioning?
Мы отслеживаем 24 активных репозиториев с открытым исходным кодом, отмеченных тегом #image-captioning (500 и более звёзд), с общим числом 94,220 звёзд и в среднем 3,925 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.