vision-language
标记 vision-language 主题、收录中的开源项目，按星标数排序。
相关主题
常跟 vision-language 一起出现在同一个项目上的主题。
近期新秀
近 90 天内创建、标记 vision-language 主题的项目。
近 90 天内还没有新项目标记这个主题。
- #1
[ECCV 2024] 论文「Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection」的官方实现
★ 10,536+14近 7 天星标变化 - #2
中文版本的 CLIP，实现中文跨模态检索与表征生成。
★ 6,001+1近 7 天星标变化 - #3
OFA (ICML 2022) 官方仓库。论文：OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework
★ 2,557+0近 7 天星标变化 - #4
阿里巴巴开源的 Qwen-VL 系列微调开源实现。
★ 1,961+1近 7 天星标变化 - #5
朝向高级文学机器（Advanced Literate Machinery）的原创创新点子与算法集合。本项目由阿里巴巴集团通义实验室语言技术实验室 OCR 团队维护。
★ 1,835+1近 7 天星标变化 - #6
[ACL 2024 🔥] Video-ChatGPT 是一个能够针对视频生成有意义对话的视频对话模型。它结合了 LLM 的能力与适应时空视频表示的预训练视觉编码器。我们也为基于视频的对话模型引入了严格的“量化评估基准”。
★ 1,507+1近 7 天星标变化 - #7
日本語LLM总结 - 日本语LLM概览
★ 1,428+1近 7 天星标变化 - #8★ 1,340+1近 7 天星标变化
- #9
跨视觉、音频、语言模态的通用表示模型。论文：ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities
★ 1,060+0近 7 天星标变化 - #10
小型大型多模态模型框架
★ 1,003+0近 7 天星标变化 - #11★ 985+10近 7 天星标变化
- #12★ 875+1近 7 天星标变化
- #13
这是论文 Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection 的第三方实现。
★ 846+2近 7 天星标变化 - #14★ 842+0近 7 天星标变化
- #15
[ICLR 2024] 控制视觉语言模型以实现通用图像修复。荣获 NTIRE 2024 野外通用图像修复挑战赛（Restore Any Image Model in the Wild Challenge）第五名。
★ 817+1近 7 天星标变化 - #16★ 641-1近 7 天星标变化
- #17★ 606—近 7 天星标变化
- #18
论文「RemoteCLIP: A Vision Language Foundation Model for Remote Sensing」(IEEE TGRS) 官方仓库
★ 592+5近 7 天星标变化
