vision-and-language

Kho lưu trữ một điểm dừng cho các cập nhật nghiên cứu AI tạo sinh, tài nguyên phỏng vấn, notebook và nhiều hơn thế nữa!

LAVIS - Thư viện toàn diện cho Trí tuệ Ngôn ngữ - Thị giác

Đơn giản hóa quá trình tinh chỉnh (fine-tuning) cho các mô hình đa phương thức: PaliGemma 2, Florence-2 và Qwen2.5-VL

[EMNLP-2024] Xây dựng các tác nhân ngôn ngữ đa phương thức để tạo nguyên mẫu và sản xuất nhanh chóng

Mã nguồn cho bài báo ICML 2021 (bài phát biểu dài): "ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision"

Tổng quan về các LLM tiếng Nhật

Phát hiện đối tượng đầu cuối từ vựng mở, thời gian thực và chính xác

Bản cài đặt của "Prismer: A Vision-Language Model with Multi-Task Experts".

Mã nguồn cho Aria - một MoE gốc đa phương thức mở

Mô hình biểu diễn tổng quát cho các phương thức thị giác, âm thanh và ngôn ngữ. Bài báo: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM: Trao quyền cho các Large Language Model để hiểu đám mây điểm

[ICML2024 (Oral)] Mã nguồn PyTorch chính thức của DoRA: Weight-Decomposed Low-Rank Adaptation

CALVIN - Điểm chuẩn cho Học chính sách theo điều kiện ngôn ngữ đối với các tác vụ thao tác robot dài hạn

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), mô hình đầu tiên có khả năng tạo phản hồi bằng ngôn ngữ tự nhiên tích hợp liền mạch với các mặt nạ phân đoạn đối tượng.

Bộ sưu tập các bài báo CVPR 2025 nổi bật và có ảnh hưởng nhất. 🔥 [Paper + Code + Demo]

[CVPR 2024] Alpha-CLIP: Mô hình CLIP tập trung vào bất kỳ vị trí nào bạn muốn

Kho lưu trữ này là bộ sưu tập các bài báo CVPR 2024 thú vị và có ảnh hưởng nhất. 🔥 [Bài báo + Mã nguồn + Bản demo]

Nền tảng nghiên cứu AI cho học tăng cường từ hình ảnh toàn cảnh thực tế.

Kho lưu trữ này là bộ sưu tập các bài báo CVPR 2023 thú vị và có ảnh hưởng nhất. 🔥 [Bài báo + Mã nguồn]

Tạo phần mềm giám sát tự động trong thi cử trực tuyến

Danh sách tổng hợp về điều hướng thị giác và ngôn ngữ. Bài báo ACL 2022 "Vision-and-Language Navigation: A Survey of Tasks, Methods, and Future Directions".

Danh sách tổng hợp các tài nguyên tuyệt vời về thị giác và ngôn ngữ (vẫn đang trong quá trình xây dựng... hãy đón chờ!)

Kho lưu trữ này liệt kê các bài báo liên quan được tóm tắt trong bài khảo sát của chúng tôi: Khảo sát hệ thống về kỹ thuật prompt trên các mô hình nền tảng ngôn ngữ-hình ảnh.