#llava Репозитории
Откройте для себя 26 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #llava, с общим числом 80,904 звёзд (в среднем 3,111 на проект). Лидером этой темы является haotian-liu/LLaVA, набравший 24,232 звёзд.
Всего репозиториев: 26
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) был создан для обеспечения возможностей уровня GPT-4V и выше.
Этот репозиторий содержит официальную реализацию "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025
MLX-VLM — это пакет для инференса и тонкой настройки моделей зрения и языка (VLM) на вашем Mac с использованием MLX.
SUPIR нацелен на разработку Практических Алгоритмов для Фотореалистичной Восстановления Изображений In the Wild. Наша новая онлайн-демо-версия также доступна на suppixel.ai.
Набор инструментов для оценки больших мультимодальных моделей (LMM) с открытым исходным кодом, поддержка 220+ LMM, 80+ бенчмарков
Китайские NLP-решения (большие модели, данные, модели, обучение, инференс)
Библиотека C#/.NET для эффективного запуска LLM (🦙LLaMA/LLaVA) на вашем локальном устройстве.
[EMNLP-2024] Создание мультимодальных языковых агентов для быстрого прототипирования и внедрения в производство
[ACL 2024 🔥] Video-ChatGPT — это модель видеообщения, способная генерировать осмысленные диалоги о видео. Он сочетает возможности LLM с предварительно обученным визуальным кодером, адаптированным для пространственно-временного представления видео. Мы также представляем строгий «Количественный эталон оценки» для видеооснованных диалоговых моделей.
Полностью открытая структура для демократизированного мультимодального обучения
Мощный фреймворк для сжатия моделей для LLM и LVLMs, адаптированный для GPU NVIDIA и NPU Huawei Ascend.
🔥🔥 LLaVA++: Расширение LLaVA с помощью Phi-3 и LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Самый передовой набор и обзор статей о моделях видение-язык, а также репозиторий моделей на GitHub. Постоянные обновления.
Paddle Multimodal Integration and eXploration, поддерживающая основные мультимодальные задачи, включая полномасштабные мультимодальные модели предварительного обучения и набор инструментов для диффузионных моделей. Обладает высокой производительностью и гибкостью.
👁️ + 💬 + 🎧 = 🤖 Кураторский список лучших фундаментальных и мультимодальных моделей! [Paper + Code + Examples + Tutorials]
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.
[ECCV 2024 Устный доклад] Код статьи: Изображение стоит 1/2 токена после слоя 2: Ускорение вывода в режиме plug-and-play для больших визуально-языковых моделей
LLaVA-Mini — это унифицированная большая мультимодальная модель (LMM), которая может эффективно поддерживать понимание изображений, изображений высокого разрешения и видео.
[ICLR2026] VideoChat-Flash: Иерархическое сжатие для моделирования видео с длинным контекстом
AI-ассистент для помощи в выполнении повседневных задач, работающий на базе Llama 3, DeepSeek R1 и множества других моделей на HuggingFace.
Часто задаваемые вопросы
Какой репозиторий по теме #llava наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #llava на GitHub — haotian-liu/LLaVA, набравший 24,232 звёзд. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) был создан для обеспечения возможностей уровня GPT-4V и выше.
Какие языки программирования чаще всего используются в репозиториях по теме #llava?
Среди наиболее высоко оценённых проектов по теме #llava на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C#, HTML.
Как рассчитывается рейтинг репозиториев по теме #llava?
Мы отслеживаем 26 активных репозиториев с открытым исходным кодом, отмеченных тегом #llava (500 и более звёзд), с общим числом 80,904 звёзд и в среднем 3,111 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.