vlm

비디오 검색 및 요약(VSS)을 위한 NVIDIA AI Blueprint는 실시간 검증된 알림, 시각적 Q&A, 자동화된 보고 기능을 갖춘 비디오 분석 에이전트를 구축하기 위한 GPU 가속 레퍼런스 아키텍처입니다. VSS Blueprint는 NVIDIA Cosmos 같은 비전 언어 모델(VLM), NVIDIA Nemotron 같은 LLM, RAG 및 NVIDIA NIM을 사용합니다.

🚀🚀🚀 유용한 공개 YOLO 객체 검출 시리즈 프로젝트 및 관련 객체 검출 데이터셋 모음

ExecuTorch 기반의 React Native 기기 내 AI 모델 실행을 위한 선언적 방식.

OpenGUI는 GUI를 통해 실제 모바일 앱을 보고, 계획하고, 조작할 수 있는 휴대폰 사용 AI를 위한 Android GUI 에이전트 프레임워크입니다.

향상된 사용성, 포괄성, 효율성을 위해 설계된 모델 압축 툴킷.

Awesome-Jailbreak-on-LLMs는 최신 기술의 혁신적이고 흥미로운 LLM 탈옥(Jailbreak) 방법 모음입니다. 관련 논문, 코드, 데이터셋, 평가 및 분석을 포함하고 있습니다.

VLM을 이용한 카메라 모니터링

계산 그래프 변환(예: 자동 미분)을 통해 항공기 설계 최적화를 빠르게 수행합니다. 공기역학, 추진, 구조, 궤도 설계 등을 위한 조합 가능한 분석 도구입니다.

155개 이상의 시각-언어 모델(VLM/MLLM) 아키텍처를 엄선한 시각적 카탈로그: 멀티모달 AI 에이전트를 위한 논문, 다이어그램, 학습 레시피, 데이터셋 및 출시 타임라인.

JoyCaption은 커뮤니티가 디퓨전 모델 학습에 사용할 수 있도록 무료, 개방형, 검열되지 않은 모델로 처음부터 구축된 이미지 캡셔닝 시각 언어 모델(VLM)입니다.

오픈소스 엔드투엔드 VLM 기반 GUI 에이전트

일반화된 내비게이션 파운데이션 모델 구축을 위한 InternRobotics의 오픈 플랫폼

경량 멀티모달 모델 패밀리.

MindSpore + 🤗Huggingface: 완벽한 호환성과 가속을 통해 MindSpore에서 모든 Transformers/Diffusers 모델 실행

Hugging Face를 즉시 지원하는 LLM/VLM용 Pytorch 분산 학습 라이브러리

[에이전트 모드 추가] 음량 버튼으로 불러와 음성 대화가 가능한 안드로이드용 전천후 GPT 어시스턴트. 네트워크 연결, 사진 촬영, 템플릿, 첨부 파일(PDF 및 Office 문서) 분석, 에이전트 모드 등 지원.

UniWorld: 통합 시각적 이해 및 생성을 위한 고해상도 시맨틱 인코더

NEO 시리즈: 기본 원칙부터 설계된 네이티브 비전-언어 모델입니다.

오픈소스 SOTA 멀티 이미지 편집 모델

고급 월드 모델을 위한 통합 코드베이스

"LLM × DATA" 서베이 논문의 공식 저장소

LLM/VLM 등 거대 모델 시대의 로보틱스 분야와 관련된 3D Vision 논문 큐레이션 목록 (awesome-computer-vision에서 영감을 받았으며 논문, 코드, 관련 웹사이트 포함)

LLM, VLM, VLA, AIGC 관련 데이터셋 및 애플리케이션을 다루는 우수한 공개 프로젝트 모음

MobileGym: 모바일 GUI 에이전트 연구를 위한 검증 가능하고 고도로 병렬화된 시뮬레이션 플랫폼 · 브라우저에서 실행되는 안드로이드 시뮬레이터 · Browser-hosted Android Simulator · 검증 가능한 평가 · 확장 가능한 온라인 RL 학습

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, Lottie JSON을 생성하는 오픈소스 멀티모달 지시 기반 벡터 애니메이션 생성기.

Dingo: 종합 AI 데이터, 모델 및 애플리케이션 품질 평가 도구

[CVPR 2024 🔥] GeoChat, 원격 탐사를 위한 최초의 그라운디드 대형 비전 언어 모델

[ECCV 2026] SparkVSR: 희소 키프레임 전파를 통한 인터랙티브 비디오 초해상도

VLM2Vec / MMEB (ICLR 2025), VLM2Vec-V2 / MMEB-V2 (TMLR 2026), MMEB-V3 (COLM 2026) 관련 코드를 포함하는 저장소입니다.

Sophon, Rockchip RKNN, x86 등에서 비디오 분석 및 온디바이스 VLM을 지원하는 프로덕션급 C++ 엣지 AI 엔진으로, 시각적 오케스트레이션, 실시간 OSD, 이벤트 및 재현 가능한 벤치마크를 제공합니다.