视觉语言模型工具集合：应用、网站与开源项目一览
colpali
ColPali文档检索
基于视觉语言模型的高效文档检索系统
LLaVA-NeXT
LLaVA-NeXT多模态模型
大规模开源多模态模型提升视觉语言能力
MiniGPT-4
MiniGPT-v2视觉语言模型
视觉语言多任务学习的统一接口
VILA
VILA视觉语言模型
创新的视觉语言模型预训练方法
CLIP-ReID
CLIP-ReID图像重识别
基于CLIP的无标签图像重识别新方法
florence2-finetuning
Florence-2微软
视觉语言模型的高效微调实现
cambrian
Cambrian-1多模态LLM
开创性视觉为中心的多模态AI模型研究
LLaMA-VID
LLaMA-VID大语言模型
支持长视频处理的多模态大语言模型
gRefCOCO
GRESgRefCOCO
泛化指代表达分割的创新数据集与评估基准
DeepSeek-VL
DeepSeek-VL视觉语言模型
高性能开源视觉语言模型 多模态理解与复杂场景应用
Video-LLaVA
Video-LLaVA视觉语言模型
统一视觉表示学习的新方法 增强跨模态交互能力
Awesome-Multimodal-Large-Language-Models
多模态大语言模型视觉语言模型
多模态大语言模型研究资源与最新进展汇总
SEED
SEED-LLaMA多模态
融合视觉与语言的多模态AI框架
daclip-uir
DA-CLIP视觉语言模型
利用视觉语言模型控制实现通用图像修复
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号