clip

X-AnyLabeling: Eine leichte, effiziente und einheitliche plattformübergreifende Desktop-Anwendung zur Annotation von Text-, Bild-, Video- und multimodalen Daten, die vielseitige integrierte Tools mit modernen KI-Modellen und flexiblem Multi-Format-Export kombiniert.

Chinesische Version von CLIP für chinesische cross-modale Suche und Repräsentationsgenerierung.

Open-Source-Push-Dienst ohne App, sofort einsatzbereit unter iOS 14+ via QR-Code. Unterstützt auch Quick Apps, iOS- und Mac-Clients, Android-Clients sowie eigene Geräte

Open-Source-Evaluierungs-Toolkit für Large Multi-Modality Models (LMMs), unterstützt über 220 LMMs und 80+ Benchmarks

OpenMMLab Pre-training Toolbox und Benchmark

Chinesische NLP-Lösungen (große Sprachmodelle, Daten, Modelle, Training, Inferenz)

Sammlung von fantastischen Vision-Language-Modellen für visuelle Aufgaben.

Bild-zu-Prompt mit BLIP und CLIP

Einfaches Berechnen von Clip-Einbettungen und Erstellen eines Clip-Abrufsystems damit.

🥂 Meistere hCaptcha-Herausforderungen elegant mit multimodalen großen Sprachmodellen.

Cambrian-1 ist eine Familie multimodaler LLMs mit einem visionszentrierten Design.

Schnelle Android-UI-Entwicklung, die plagt, was native Steuerelemente nicht tun

Unverzichtbare Ressource für alle, die mit der OpenAI Vision API experimentieren und darauf aufbauen möchten 🔥

Fügen Sie jeder Sicherheitskamera Objekterkennung, Tracking, mobile Benachrichtigungen und Suche hinzu.

[ACL 2024 🔥] Video-ChatGPT ist ein Video-Konversationsmodell, das sinnvolle Gespräche über Videos generieren kann. Es kombiniert die Fähigkeiten von LLMs mit einem vortrainierten visuellen Encoder, der für die spatiotemporale Videorepräsentation angepasst ist. Wir stellen außerdem ein rigoroses 'Quantitative Evaluation Benchmarking' für videobasierte Konversationsmodelle vor.

Taschengroße multimodale KI für Inhaltsverständnis und -generierung über mehrsprachige Texte, Bilder und 🔜 Videos, bis zu 5x schneller als OpenAI CLIP und LLaVA 🖼️ & 🖋️

Awesome-Liste für die Forschung zu CLIP (Contrastive Language-Image Pre-Training).

Diese Reihe nimmt Sie mit auf eine Reise von den Grundlagen der NLP und Computer Vision bis hin zu den neuesten Vision-Language-Modellen.

Eine offizielle Implementierung für „CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval“

🔥🔥🔥 Kostenlose Offline-KI-Algorithmen-Toolbox für Java mit Unterstützung für Gesichtserkennung, Liveness-Erkennung, Gesichtsausdruckserkennung, Objekterkennung, Instanzsegmentierung, Fußgängererkennung, OCR-Texterkennung, Nummernschilderkennung, Tabellenerkennung, ASR+TTS, maschinelle Übersetzung und mehr. Einfach über Maven einbinden. Unterstützt PyTorch, TensorFlow und integriert gängige Modelle wie Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR (PPOCRv5), Whisper usw.

CLIP + FFT/DWT/RGB = Text zu Bild/Video

Eine neue Generation von CLIP mit starker feingranularer Diskriminationsfähigkeit (ICML 2026 und ICML 2025)

Paddle Multimodal Integration and eXploration, unterstützt gängige multimodale Aufgaben, einschließlich End-to-End-Trainingsmodellen für große multimodale Daten und einer Diffusion-Model-Toolbox. Ausgezeichnet durch hohe Leistung und Flexibilität.

Eine umfassende Frontend-Sammlung und Übersicht von Vision-Language-Model-Papern und -Modellen auf GitHub. Kontinuierliche Updates.

TrailSnap | KI-gestütztes Open-Source-Fotoalbum für Reise- und Lebenserinnerungen.

LLM2CLIP verbessert bestehende State-of-the-Art CLIP-Modelle signifikant.

Twitch-Stream-, Video- und Clip-Downloader/Recorder. Diese GUI-Anwendung hilft Ihnen beim Herunterladen und Aufnehmen von Twitch-Videos, einschließlich Streams und VODs.

Extrahieren von Videofunktionen aus Rohvideos unter Verwendung mehrerer GPUs. Wir unterstützen RAFT-Flow-Frames sowie S3D-, I3D-, R(2+1)D-, VGGish-, CLIP- und TIMM-Modelle.

👁️ + 💬 + 🎧 = 🤖 Kuratierte Liste der besten Foundation- und multimodalen Modelle! [Paper + Code + Beispiele + Tutorials]

Keras beit, caformer, CMT, CoAtNet, convnext, davit, dino, efficientdet, edgenext, efficientformer, efficientnet, eva, fasternet, fastervit, fastvit, flexivit, gcvit, ghostnet, gpvit, hornet, hiera, iformer, inceptionnext, lcnet, levit, maxvit, mobilevit, moganet, nat, nfnets, pvt, swin, tinynet, tinyvit, uniformer, volo, vanillanet, yolor, yolov7, yolov8, yolox, gpt2, llama2, alias kecam