OpenGVLab

[CVPR 2024 Oral] Familia InternVL: una alternativa de código abierto pionera a GPT-4o. Un modelo de diálogo multimodal de código abierto con un rendimiento cercano al de GPT-4o

[ICLR 2024] Ajuste fino de LLaMA para seguir instrucciones en menos de 1 hora y con 1.2M de parámetros

[CVPR2024 Highlight][VideoChatGPT] ¡ChatGPT con comprensión de video! Y muchos más LM compatibles como miniGPT4, StableLM y MOSS.

InternGPT (iGPT) es una plataforma de demostración de código abierto donde puedes mostrar fácilmente tus modelos de IA. Ahora es compatible con DragGAN, ChatGPT, ImageBind, chat multimodal como GPT-4, SAM, edición interactiva de imágenes, etc. Pruébalo en igpt.opengvlab.com

[CVPR 2023 Highlight] InternImage: Explorando modelos de visión fundamentales a gran escala con convoluciones deformables

[ECCV2024] Modelos base de video y datos para comprensión multimodal

Serie VisionLLM

Implementación oficial de SAM-Med2D.

[ICLR 2026 Oral] ScaleCUA es el agente de uso informático de código abierto capaz de operar en entornos multiplataforma (Windows, macOS, Ubuntu, Android).

[ECCV2024] VideoMamba: Modelo de espacio de estados para una comprensión eficiente de video.

[ICLR2024 spotlight] OmniQuant es una técnica de cuantización simple y potente para LLM.

[CVPR 2023] VideoMAE V2: escalado de Video Masked Autoencoders con enmascaramiento dual.

[CVPR 2024] Deformable Convolution v4

¡Chatbot Arena se encuentra con la multimodalidad! Multi-Modality Arena te permite comparar modelos de visión-lenguaje lado a lado mientras proporcionas imágenes como entrada. ¡Soporta MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 y muchos más!

[ICLR 2025 Spotlight] Vision-RWKV: Percepción visual eficiente y escalable con arquitecturas tipo RWKV

[ICLR2026] VideoChat-Flash: Compresión jerárquica para modelado de video de contexto largo

[ICLR 2024 y ECCV 2024] Proyectos All-Seeing: Hacia el reconocimiento y comprensión visual panóptica y la comprensión general de relaciones en el mundo abierto.