OpenGVLab

[CVPR 2024 Oral] Família InternVL: Uma alternativa pioneira de código aberto ao GPT-4o.

[ICLR 2024] Ajuste fino (fine-tuning) do LLaMA para seguir instruções em menos de 1 hora e com 1,2 milhão de parâmetros

[CVPR2024 Highlight][VideoChatGPT] ChatGPT com compreensão de vídeo! E muitos outros modelos de linguagem suportados, como miniGPT4, StableLM e MOSS.

InternGPT (iGPT) é uma plataforma de demonstração de código aberto onde você pode exibir facilmente seus modelos de IA. Agora suporta DragGAN, ChatGPT, ImageBind, chat multimodal como GPT-4, SAM, edição interativa de imagens, etc. Experimente em igpt.opengvlab.com.

[CVPR 2023 Highlight] InternImage: Explorando modelos de fundação de visão em larga escala com Deformable Convolutions

[ECCV2024] Modelos de fundação de vídeo e dados para compreensão multimodal

Série VisionLLM

Implementação oficial do SAM-Med2D

[ICLR 2026 Oral] ScaleCUA é o agente de uso de computador de código aberto que pode operar em ambientes multiplataforma (Windows, macOS, Ubuntu, Android).

[ECCV2024] VideoMamba: Modelo de Espaço de Estados para compreensão eficiente de vídeo

[Destaque ICLR2024] OmniQuant é uma técnica de quantização simples e poderosa para LLMs.

[CVPR 2023] VideoMAE V2: Escalando Video Masked Autoencoders com mascaramento duplo

[CVPR 2024] Deformable Convolution v4

O Chatbot Arena encontra a multimodalidade! O Multi-Modality Arena permite comparar modelos de visão-linguagem lado a lado fornecendo imagens como entrada. Suporta MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 e muito mais!

[ICLR 2025 Spotlight] Vision-RWKV: Percepção visual eficiente e escalável com arquiteturas semelhantes ao RWKV.

[ICLR2026] VideoChat-Flash: Compressão hierárquica para modelagem de vídeo de contexto longo

[ICLR 2024 & ECCV 2024] Projetos The All-Seeing: Rumo ao reconhecimento e compreensão visual panóptica e compreensão de relações gerais no mundo aberto