clip

X-AnyLabeling: Uma aplicação desktop multiplataforma leve, eficiente e unificada para anotação de texto, imagem, vídeo e dados multimodais, combinando ferramentas integradas versáteis com modelos de IA de última geração e exportação flexível em múltiplos formatos.

Versão chinesa do CLIP que alcança recuperação transmodal e geração de representação em chinês.

Serviço de notificação push de código aberto, pronto para uso no iOS 14+ via QR code. Também suporta Quick Apps, clientes iOS/Mac, clientes Android e dispositivos personalizados.

Kit de ferramentas de avaliação de código aberto para grandes modelos multimodais (LMMs), com suporte a mais de 220 LMMs e mais de 80 benchmarks.

Caixa de ferramentas e benchmark de pré-treinamento da OpenMMLab

Soluções de NLP em chinês (LLMs, dados, modelos, treinamento, inferência)

Coleção de modelos de visão e linguagem (vision-language models) para tarefas de visão computacional.

Conversão de imagem para prompt com BLIP e CLIP

Calcule facilmente embeddings CLIP e construa um sistema de recuperação CLIP com eles

🥂 Resolva desafios do hCaptcha de forma elegante com um modelo de linguagem multimodal de grande escala.

Cambrian-1 é uma família de LLMs multimodais com um design centrado em visão.

Desenvolvimento rápido de UI para Android, focado em resolver problemas com controles nativos

Recurso essencial para quem deseja experimentar e construir sobre a API de visão da OpenAI

Adicione detecção de objetos, rastreamento, notificações móveis e pesquisa a qualquer câmera de segurança.

[ACL 2024 🔥] Video-ChatGPT é um modelo de conversação de vídeo capaz de gerar conversas significativas sobre vídeos. Ele combina as capacidades de LLMs com um codificador visual pré-treinado adaptado para representação de vídeo espaço-temporal. Também apresentamos um 'Benchmarking de Avaliação Quantitativa' rigoroso para modelos de conversação baseados em vídeo.

IA multimodal de bolso para compreensão e geração de conteúdo em textos multilíngues, imagens e 🔜 vídeo, até 5x mais rápida que o OpenAI CLIP e LLaVA 🖼️ & 🖋️

Lista incrível para pesquisa sobre CLIP (Contrastive Language-Image Pre-Training).

Esta série levará você em uma jornada desde os fundamentos de NLP e Visão Computacional até o estado da arte em Modelos de Visão-Linguagem.

Uma implementação oficial para "CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval"

Caixa de ferramentas de algoritmos de IA offline gratuita em Java, suporta reconhecimento facial, deteção de vivacidade, reconhecimento de expressões, deteção de objetos, segmentação de instâncias, deteção de pedestres, reconhecimento de texto OCR, reconhecimento de matrículas, reconhecimento de tabelas, ASR+TTS, tradução automática e outras funções, disponível através de dependência Maven. Suporta PyTorch e TensorFlow, com modelos principais integrados como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5) e Whisper

CLIP + FFT/DWT/RGB = texto para imagem/vídeo

Nova geração do CLIP com forte capacidade de discriminação de granulação fina, ICML2026 e ICML2025

Integração e Exploração Multimodal do Paddle, dando suporte a tarefas multimodais principais, incluindo modelos de pré-treinamento multimodal em larga escala de ponta a ponta e caixa de ferramentas de modelos de difusão. Equipado com alto desempenho e flexibilidade.

TrailSnap | Álbum de fotos de código aberto alimentado por IA para memórias de viagens e da vida.

Uma coleção abrangente de frontend e levantamento de artigos e modelos de repositórios GitHub sobre modelos de visão e linguagem. Atualizações contínuas.

O LLM2CLIP melhora significativamente modelos CLIP que já são de última geração.

Downloader/Gravador de Streams, Vídeos e Clipes do Twitch. Este downloader com interface gráfica ajuda você a baixar e gravar vídeos do Twitch, incluindo transmissões e VODs.

Extraia características de vídeos brutos usando múltiplas GPUs. Suportamos quadros de fluxo RAFT, bem como modelos S3D, I3D, R(2+1)D, VGGish, CLIP e TIMM.

👁️ + 💬 + 🎧 = 🤖 Lista selecionada dos principais modelos de fundação e multimodais! [Artigo + Código + Exemplos + Tutoriais]

Keras beit, caformer, CMT, CoAtNet, convnext, davit, dino, efficientdet, edgenext, efficientformer, efficientnet, eva, fasternet, fastervit, fastvit, flexivit, gcvit, ghostnet, gpvit, hornet, hiera, iformer, inceptionnext, lcnet, levit, maxvit, mobilevit, moganet, nat, nfnets, pvt, swin, tinynet, tinyvit, uniformer, volo, vanillanet, yolor, yolov7, yolov8, yolox, gpt2, llama2, conhecido como kecam