OpenGVLab

[CVPR 2024 Oral] Keluarga InternVL: Alternatif Open-Source Perintis untuk GPT-4o. Model dialog multimodal open-source dengan performa mendekati GPT-4o

[ICLR 2024] Fine-tuning LLaMA untuk mengikuti instruksi dalam waktu 1 jam dan 1,2 juta parameter

[CVPR2024 Highlight][VideoChatGPT] ChatGPT dengan pemahaman video! Dan banyak lagi LM yang didukung seperti miniGPT4, StableLM, dan MOSS.

InternGPT (iGPT) adalah platform demo open source untuk memamerkan model AI Anda dengan mudah. Kini mendukung DragGAN, ChatGPT, ImageBind, obrolan multimodal seperti GPT-4, SAM, penyuntingan gambar interaktif, dll. Coba di igpt.opengvlab.com.

[CVPR 2023 Highlight] InternImage: Menjelajahi Model Fondasi Visi Skala Besar dengan Deformable Convolutions.

[ECCV2024] Video Foundation Models & Data untuk Pemahaman Multimodal

Seri VisionLLM

Implementasi resmi dari SAM-Med2D

[ICLR 2026 Oral] ScaleCUA adalah agen penggunaan komputer sumber terbuka yang dapat beroperasi pada lingkungan lintas platform (Windows, macOS, Ubuntu, Android).

[ECCV2024] VideoMamba: State Space Model untuk Pemahaman Video yang Efisien

[ICLR2024 spotlight] OmniQuant adalah teknik kuantisasi yang sederhana dan kuat untuk LLM.

[CVPR 2023] VideoMAE V2: Penskalaan Video Masked Autoencoders dengan Dual Masking

[CVPR 2024] Deformable Convolution v4

Chatbot Arena bertemu dengan multimodalitas! Multi-Modality Arena memungkinkan Anda membandingkan model visi-bahasa secara berdampingan sambil menyediakan gambar sebagai masukan. Mendukung MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2, dan banyak lagi!

[ICLR 2025 Spotlight] Vision-RWKV: Persepsi Visual yang Efisien dan Skalabel dengan Arsitektur Mirip RWKV

[ICLR2026] VideoChat-Flash: Kompresi Hierarkis untuk Pemodelan Video Konteks Panjang

[ICLR 2024 & ECCV 2024] Proyek The All-Seeing: Menuju Pengenalan & Pemahaman Visual Panoptik serta Pemahaman Hubungan Umum di Dunia Terbuka