OpenGVLab

[CVPR 2024 Oral] InternVL Family: Eine bahnbrechende Open-Source-Alternative zu GPT-4o. Ein Open-Source-Multimodal-Dialogmodell, das der Leistung von GPT-4o nahekommt.

[ICLR 2024] Fine-Tuning von LLaMA zum Befolgen von Anweisungen innerhalb von 1 Stunde und mit 1,2M Parametern

[CVPR2024 Highlight][VideoChatGPT] ChatGPT mit Videoverständnis! Sowie viele weitere unterstützte LMs wie miniGPT4, StableLM und MOSS.

InternGPT (iGPT) ist eine Open-Source-Demoplattform zur einfachen Präsentation von KI-Modellen. Unterstützt nun DragGAN, ChatGPT, ImageBind, multimodalen Chat wie GPT-4, SAM, interaktive Bildbearbeitung und mehr. Testen Sie es unter igpt.opengvlab.com

[CVPR 2023 Highlight] InternImage: Untersuchung groß angelegter Vision Foundation Models mit deformierbaren Faltungen

[ECCV2024] Video Foundation Models & Data für multimodales Verständnis

VisionLLM-Serie

Offizielle Implementierung von SAM-Med2D

[ICLR 2026 Oral] ScaleCUA ist ein Open-Source-Agent für Computernutzung, der in plattformübergreifenden Umgebungen (Windows, macOS, Ubuntu, Android) arbeiten kann.

[ECCV2024] VideoMamba: State-Space-Modell für effizientes Videoverständnis

[ICLR2024 Spotlight] OmniQuant ist eine einfache und leistungsstarke Quantisierungstechnik für LLMs.

[CVPR 2023] VideoMAE V2: Skalierung von Video Masked Autoencoders mit Dual Masking

[CVPR 2024] Deformable Convolution v4

Chatbot Arena trifft auf Multimodalität! Multi-Modality Arena ermöglicht es, Vision-Language-Modelle nebeneinander zu benchmarken, während Bilder als Eingaben bereitgestellt werden. Unterstützt MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 und viele weitere!

[ICLR 2025 Spotlight] Vision-RWKV: Effiziente und skalierbare visuelle Wahrnehmung mit RWKV-basierten Architekturen

[ICLR2026] VideoChat-Flash: Hierarchische Kompression für die Modellierung langer Videokontexte.

[ICLR 2024 & ECCV 2024] The All-Seeing Projects: Panoptische visuelle Erkennung, Verständnis und allgemeines Beziehungsverständnis in der offenen Welt.