vision-and-language

Un dépôt centralisé pour les mises à jour de recherche en IA générative, des ressources d'entretien, des notebooks et bien plus encore !

LAVIS - Une bibliothèque tout-en-un pour l'intelligence langage-vision.

Simplifier le processus de fine-tuning pour les modèles multimodaux : PaliGemma 2, Florence-2 et Qwen2.5-VL

[EMNLP-2024] Création d'agents linguistiques multimodaux pour le prototypage rapide et la production

Code pour l'article de l'ICML 2021 (longue présentation) : "ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision".

Vue d'ensemble des LLM japonais.

Détection d'objets de bout en bout, précise et en temps réel, avec vocabulaire ouvert.

Implémentation de Prismer : un modèle vision-langage avec des experts multi-tâches.

Base de code pour Aria, un modèle MoE multimodal natif open source

Un modèle de représentation général pour les modalités vision, audio et langage. Article : ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM : Permettre aux grands modèles de langage de comprendre les nuages de points

[ICML2024 (Oral)] Implémentation PyTorch officielle de DoRA : Weight-Decomposed Low-Rank Adaptation.

CALVIN - Un benchmark pour l'apprentissage de politiques conditionnées par le langage pour des tâches de manipulation robotique à long terme

[CVPR 2024] Grounding Large Multimodal Model (GLaMM), le premier modèle capable de générer des réponses en langage naturel intégrées de manière transparente aux masques de segmentation d'objets

À propos : cette collection rassemble les articles les plus passionnants et influents de la CVPR 2025. 🔥 [Article + Code + Démo]

[CVPR 2024] Alpha-CLIP : un modèle CLIP qui se concentre sur la zone de votre choix.

Ce dépôt est une collection sélectionnée des articles les plus captivants et influents de CVPR 2024. 🔥 [Article + Code + Démo]

Plateforme de recherche en IA pour l'apprentissage par renforcement à partir d'images panoramiques réelles.

Ce dépôt est une collection curated des papers les plus excitants et influents de CVPR 2023. 🔥 [Paper + Code]

Création d'un logiciel de surveillance automatique pour la proctoring en ligne

Une liste de référence pour la navigation vision-langage. Article ACL 2022 "Vision-and-Language Navigation: A Survey of Tasks, Methods, and Future Directions"

Une liste sélectionnée de ressources formidables sur la vision et le langage (toujours en cours de construction... restez à l'écoute !)

Ce dépôt répertorie les articles résumés dans notre étude : Une étude systématique de l'ingénierie de prompt sur les modèles de fondation vision-langage.