clip

X-AnyLabeling：輕量、高效、統一的跨平台桌面標註應用，支援文字、影像、影片與多模態資料，結合多功能內建工具、最先進 AI 模型與彈性多格式匯出

中文版本的 CLIP，實現中文跨模態檢索與表徵生成。

開源無 App 推送服務，iOS14+ 二維碼即用；亦支援快應用/iOS 與 Mac 客戶端、Android 客戶端、自製設備

開源大型多模態模型評估工具包，支援220+ LMMs與80+基準測試

OpenMMLab 預訓練工具箱與基準測試

中文 NLP 解決方案（大模型、資料、模型、訓練、推理）

用於視覺任務的精選視覺語言模型合集

使用 BLIP 與 CLIP 將圖像轉為提示

輕鬆計算 clip embeddings 並使用它們建立 clip 檢索系統

🥂 利用多模態大型語言模型優雅地應對 hCaptcha 驗證。

Cambrian-1 是一個採用視覺中心設計的多模態 LLM 系列。

Android UI 快速開發，專治原生元件各種不服

任何想要實驗並基於 OpenAI vision API 開發者的必備資源 🔥

為任何安全攝影機新增物件偵測、追蹤、行動通知與搜尋功能。

[ACL 2024 🔥] Video-ChatGPT 是一個能夠針對影片產生有意義對話的影片對話模型。它結合了 LLM 的能力與適應時空影片表示的預訓練視覺編碼器。我們也為基於影片的對話模型引入了嚴格的「量化評估基準」。

袖珍型多模態 AI，用於跨多語言文字、圖片和影片的內容理解與生成，速度比 OpenAI CLIP 和 LLaVA 快達 5 倍

關於 CLIP（對比語言—圖像預訓練）研究的 Awesome 資源列表。

本系列將帶領您從 NLP 與 Computer Vision 的基礎，一路探索至 Vision-Language Models 的尖端技術。

「CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval」的官方實作

🔥🔥🔥Java免費離線AI演算法工具箱，支援人臉識別、活體檢測、表情識別、目標檢測、實例分割、行人檢測、OCR文字識別、車牌識別、表格識別、ASR+TTS、機器翻譯等功能，Maven引用即可使用。支援PyTorch、Tensorflow，已整合 Mtcnn、InsightFace、SeetaFace6、YOLOv8~v12、PaddleOCR(PPOCRv5)、Whisper等主流模型

CLIP + FFT/DWT/RGB = 文字轉圖像/影片

新一代具備強大細粒度判別能力的 CLIP，ICML2026 與 ICML2025

Paddle 多模態整合與探索，支援主流多模態任務，包含端到端大型多模態預訓練模型與擴散模型工具箱。具備高效能與靈活性。

TrailSnap (行影集) | AI 驅動的開源相簿工具，珍藏旅行與生活點滴。

視覺語言模型論文與模型的頂級前端收集與調查 GitHub 儲存庫。持續更新中。

LLM2CLIP 顯著提升了原本已屬頂尖的 CLIP 模型。

Twitch 直播、影片與剪輯下載／錄製器。此圖形介面下載器可協助你下載與錄製 Twitch 影片，包含直播與 VOD。

使用多張 GPU 從原始影片中萃取影片特徵。支援 RAFT 光流影格，以及 S3D、I3D、R(2+1)D、VGGish、CLIP 與 TIMM 模型。

👁️ + 💬 + 🎧 = 🤖 精選頂級基礎與多模態模型列表！[論文 + 程式碼 + 範例 + 教學]

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, 別名 kecam