OpenGVLab

[CVPR 2024 Oral] InternVL Family: GPT-4o का एक अग्रणी ओपन-सोर्स विकल्प। GPT-4o जैसा प्रदर्शन देने वाला ओपन-सोर्स मल्टीमॉडल वार्ता मॉडल

[ICLR 2024] 1 घंटे और 1.2M पैरामीटर के भीतर निर्देशों का पालन करने के लिए LLaMA को फाइन-ट्यून करना

[CVPR2024 Highlight][VideoChatGPT] वीडियो समझ के साथ ChatGPT! और miniGPT4, StableLM, तथा MOSS जैसे कई अन्य समर्थित LM।

InternGPT (iGPT) एक ओपन सोर्स डेमो प्लेटफॉर्म है जहाँ आप आसानी से अपने AI मॉडल प्रदर्शित कर सकते हैं। अब यह DragGAN, ChatGPT, ImageBind, GPT-4 जैसे मल्टीमॉडल चैट, SAM, इंटरैक्टिव इमेज एडिटिंग आदि को सपोर्ट करता है।

[CVPR 2023 Highlight] InternImage: Deformable Convolutions के साथ बड़े पैमाने पर Vision Foundation Models की खोज

[ECCV2024] मल्टीमॉडल समझ के लिए वीडियो फाउंडेशन मॉडल और डेटा

VisionLLM सीरीज।

SAM-Med2D का आधिकारिक इम्प्लीमेंटेशन

[ICLR 2026 Oral] ScaleCUA एक ओपन-सोर्स कंप्यूटर यूज़ एजेंट है जो क्रॉस-प्लेटफ़ॉर्म वातावरण (Windows, macOS, Ubuntu, Android) पर काम कर सकता है।

[ECCV2024] VideoMamba: कुशल वीडियो समझ के लिए स्टेट स्पेस मॉडल

[ICLR2024 spotlight] OmniQuant LLMs के लिए एक सरल और शक्तिशाली क्वांटाइजेशन तकनीक है।

[CVPR 2023] VideoMAE V2: डुअल मास्किंग के साथ वीडियो मास्क्ड ऑटोएनकोडर्स की स्केलिंग।

[CVPR 2024] Deformable Convolution v4

Chatbot Arena अब मल्टी-मोडैलिटी के साथ! Multi-Modality Arena आपको इनपुट के रूप में इमेज प्रदान करते हुए विज़न-लैंग्वेज मॉडल की तुलना करने की सुविधा देता है। यह MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 और कई अन्य का समर्थन करता है।

[ICLR 2025 Spotlight] Vision-RWKV: RWKV-जैसे आर्किटेक्चर के साथ कुशल और स्केलेबल विज़ुअल परसेप्शन

[ICLR2026] VideoChat-Flash: लंबे-संदर्भ वाले वीडियो मॉडलिंग के लिए पदानुक्रमित संपीड़न

[ICLR 2024 & ECCV 2024] द ऑल-सीइंग प्रोजेक्ट्स: पैनोप्टिक विजुअल रिकग्निशन और अंडरस्टैंडिंग और ओपन वर्ल्ड के जनरल रिलेशन कॉम्प्रिहेंशन की ओर