clip

X-AnyLabeling: Một ứng dụng desktop đa nền tảng gọn nhẹ, hiệu quả và thống nhất để chú thích văn bản, hình ảnh, video và dữ liệu đa phương thức, kết hợp các công cụ tích hợp linh hoạt với các mô hình AI tiên tiến và khả năng xuất đa định dạng linh hoạt.

Phiên bản tiếng Trung của CLIP giúp đạt được khả năng truy xuất đa phương thức và tạo biểu diễn bằng tiếng Trung.

Dịch vụ đẩy thông báo mã nguồn mở không cần App, iOS14+ quét mã là dùng ngay. Hỗ trợ Quick App / ứng dụng iOS và Mac, ứng dụng Android, thiết bị tự chế

Bộ công cụ đánh giá mã nguồn mở cho các mô hình đa phương thức lớn (LMM), hỗ trợ hơn 220 LMM, hơn 80 benchmark

Bộ công cụ huấn luyện trước và tiêu chuẩn đánh giá của OpenMMLab

Giải pháp NLP tiếng Trung (mô hình ngôn ngữ lớn, dữ liệu, mô hình, huấn luyện, suy luận)

Bộ sưu tập các mô hình thị giác-ngôn ngữ AWESOME cho các tác vụ thị giác

Chuyển đổi hình ảnh thành prompt với BLIP và CLIP

Dễ dàng tính toán các embedding clip và xây dựng hệ thống truy xuất clip với chúng

🥂 Vượt qua thử thách hCaptcha một cách uyển chuyển bằng mô hình ngôn ngữ lớn đa phương thức.

Cambrian-1 là dòng LLM đa phương thức với thiết kế tập trung vào thị giác.

Phát triển UI Android nhanh chóng, chuyên trị mọi hạn chế của widget nguyên bản

Tài nguyên không thể thiếu cho bất kỳ ai muốn thử nghiệm và phát triển dựa trên OpenAI vision API 🔥

Thêm tính năng phát hiện đối tượng, theo dõi, thông báo trên thiết bị di động và tìm kiếm cho bất kỳ camera an ninh nào.

Video-ChatGPT là một mô hình hội thoại video có khả năng tạo ra các cuộc hội thoại có ý nghĩa về video. Nó kết hợp khả năng của LLMs với một bộ mã hóa hình ảnh được huấn luyện trước, thích ứng cho biểu diễn video không gian-thời gian. Chúng tôi cũng giới thiệu một 'Đánh giá định lượng chuẩn hóa' nghiêm ngặt cho các mô hình hội thoại dựa trên video.

AI đa phương thức cỡ nhỏ để hiểu và tạo nội dung trên văn bản đa ngôn ngữ, hình ảnh và video, nhanh hơn tới 5 lần so với OpenAI CLIP và LLaVA

Danh sách tổng hợp các tài liệu nghiên cứu về CLIP (Contrastive Language-Image Pre-Training).

Chuỗi bài viết này sẽ đưa bạn từ các kiến thức cơ bản về NLP và Computer Vision đến các mô hình Vision-Language Models tiên tiến nhất.

Bản triển khai chính thức cho "CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval".

Bộ công cụ thuật toán AI ngoại tuyến miễn phí bằng Java, hỗ trợ nhận dạng khuôn mặt, phát hiện liveness, nhận dạng biểu cảm, phát hiện đối tượng, phân đoạn thực thể, phát hiện người đi bộ, nhận dạng văn bản OCR, nhận dạng biển số xe, nhận dạng bảng biểu, ASR+TTS, dịch máy và các chức năng khác, chỉ cần thêm phụ thuộc Maven là có thể sử dụng. Hỗ trợ PyTorch, Tensorflow, đã tích hợp các mô hình phổ biến như Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper

CLIP + FFT/DWT/RGB = văn bản sang hình ảnh/video

Thế hệ CLIP mới với khả năng phân biệt chi tiết mạnh mẽ, ICML2026 và ICML2025

Paddle Multimodal Integration and eXploration, hỗ trợ các tác vụ đa phương thức phổ biến, bao gồm các mô hình tiền huấn luyện đa phương thức quy mô lớn end-to-end và bộ công cụ mô hình khuếch tán. Hiệu suất cao và linh hoạt.

TrailSnap | Album ảnh mã nguồn mở tích hợp AI để lưu giữ những kỷ niệm về du lịch và cuộc sống.

Bộ sưu tập Frontend và khảo sát các bài báo, mô hình về vision-language. Cập nhật liên tục.

LLM2CLIP cải thiện đáng kể các mô hình CLIP vốn đã hiện đại nhất.

Trình tải xuống/ghi lại luồng, video và clip Twitch. Trình tải xuống có giao diện đồ họa này giúp bạn tải và ghi lại các video Twitch, bao gồm cả chương trình phát sóng và VOD.

Trích xuất đặc trưng video từ video thô bằng nhiều GPU. Hỗ trợ các khung hình luồng RAFT cũng như các mô hình S3D, I3D, R(2+1)D, VGGish, CLIP và TIMM.

Danh sách tổng hợp các mô hình nền tảng và đa phương thức hàng đầu! [Bài báo + Mã nguồn + Ví dụ + Hướng dẫn]

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, bí danh kecam