vision-and-language

Repositori terpadu untuk pembaruan riset AI generatif, sumber daya wawancara, notebook, dan banyak lagi!

LAVIS - Pustaka satu atap untuk Kecerdasan Bahasa-Visi

menyederhanakan proses fine-tuning untuk model multimodal: PaliGemma 2, Florence-2, dan Qwen2.5-VL

[EMNLP-2024] Membangun agen bahasa multimodal untuk prototipe cepat dan produksi

Kode untuk makalah ICML 2021 (presentasi panjang): "ViLT: Vision-and-Language Transformer Tanpa Konvolusi atau Supervisi Wilayah"

Ringkasan LLM Bahasa Jepang - Ikhtisar LLM Bahasa Jepang

Deteksi objek end-to-end open-vocabulary yang akurat dan real-time

Implementasi dari "Prismer: A Vision-Language Model with Multi-Task Experts".

Basis kode untuk Aria - Open Multimodal Native MoE

Model representasi umum lintas modalitas visi, audio, dan bahasa. Makalah: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[Kandidat Best Paper ECCV 2024 & TPAMI 2025] PointLLM: Memberdayakan Large Language Models untuk memahami Point Clouds.

[ICML2024 (Oral)] Implementasi resmi PyTorch dari DoRA: Weight-Decomposed Low-Rank Adaptation

CALVIN - Tolok ukur untuk Pembelajaran Kebijakan Berbasis Bahasa untuk Tugas Manipulasi Robot Berdurasi Panjang

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), model pertama yang mampu menghasilkan respons bahasa alami yang terintegrasi secara mulus dengan mask segmentasi objek.

Tentang Repositori ini adalah koleksi pilihan dari makalah CVPR 2025 yang paling menarik dan berpengaruh. 🔥 [Paper + Code + Demo]

[CVPR 2024] Alpha-CLIP: Model CLIP yang berfokus pada area yang Anda inginkan.

Repositori ini adalah koleksi pilihan dari makalah CVPR 2024 yang paling menarik dan berpengaruh. 🔥 [Paper + Code + Demo]

Platform Riset AI untuk Reinforcement Learning dari Citra Panoramik Nyata.

Repositori ini adalah kumpulan pilihan dari makalah CVPR 2023 yang paling menarik dan berpengaruh. 🔥 [Makalah + Kode]

Membuat perangkat lunak untuk pemantauan otomatis dalam pengawasan ujian online

Daftar kurasi untuk navigasi visi-dan-bahasa. Makalah ACL 2022 "Vision-and-Language Navigation: A Survey of Tasks, Methods, and Future Directions"

Daftar kurasi sumber daya vision and language yang luar biasa (masih dalam tahap pembangunan... nantikan terus!)

Repositori ini mencantumkan makalah relevan yang dirangkum dalam makalah survei kami: A Systematic Survey of Prompt Engineering on Vision-Language Foundation Models.