OpenGVLab

[CVPR 2024 Oral] Famille InternVL : Une alternative open source pionnière à GPT-4o

[ICLR 2024] Fine-tuning de LLaMA pour suivre des instructions en moins d'une heure et avec 1,2 million de paramètres

[CVPR2024 Highlight][VideoChatGPT] ChatGPT avec compréhension vidéo ! Supporte également de nombreux autres modèles de langage tels que miniGPT4, StableLM et MOSS.

InternGPT (iGPT) est une plateforme de démonstration open source pour présenter facilement vos modèles d'IA. Prend désormais en charge DragGAN, ChatGPT, ImageBind, le chat multimodal type GPT-4, SAM, l'édition d'image interactive, etc. Essayez-le sur igpt.opengvlab.com

[CVPR 2023 Highlight] InternImage : Exploration de modèles de vision à grande échelle avec des convolutions déformables

[ECCV2024] Modèles de fondation vidéo et données pour la compréhension multimodale.

Série VisionLLM

Implémentation officielle de SAM-Med2D

[ICLR 2026 Oral] ScaleCUA est un agent d'utilisation informatique open source capable d'opérer dans des environnements multiplateformes (Windows, macOS, Ubuntu, Android).

[ECCV2024] VideoMamba : modèle d'espace d'état pour une compréhension vidéo efficace

[ICLR2024 spotlight] OmniQuant est une technique de quantification simple et puissante pour les LLM.

[CVPR 2023] VideoMAE V2 : Mise à l'échelle des Video Masked Autoencoders avec double masquage

[CVPR 2024] Deformable Convolution v4

Chatbot Arena rencontre la multimodalité ! Multi-Modality Arena vous permet d'évaluer des modèles vision-langage côte à côte en fournissant des images en entrée. Prend en charge MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 et bien d'autres !

[ICLR 2025 Spotlight] Vision-RWKV : Perception visuelle efficace et évolutive avec des architectures de type RWKV

[ICLR2026] VideoChat-Flash : compression hiérarchique pour la modélisation vidéo à long contexte

[ICLR 2024 & ECCV 2024] Projets All-Seeing : Vers une reconnaissance et une compréhension visuelle panoptique ainsi qu'une compréhension relationnelle générale en milieu ouvert.