V-JEPA

DINOv3

AI GitHub リポジトリ

Facebook Researchによって開発された参照PyTorch実装とモデルを提供します。これは、コンピュータビジョンタスクのために自己教師あり学習技術を活用することに興味のある研究者や開発者向けに設計されています。DINOv3は、Facebook Researchによって開発された参照PyTorch実装とモデルを提供します。これは、コンピュータビジョンタスクのために自己教師あり学習技術を活用することに興味のある研究者や開発者向けに設計されています。

LLaVA

AI GitHub リポジトリ

大規模言語とビジョン機能を組み合わせたビジュアル指示チューニングモデルです。GPT-4Vレベルのパフォーマンスを目指し、マルチモーダルな理解とインタラクションを可能にします。このプロジェクトは、研究者や開発者向けにコード、モデル、リソースを提供します。LLaVAは、大規模言語とビジョン機能を組み合わせたビジュアル指示チューニングモデルです。GPT-4Vレベルのパフォーマンスを目指し、マルチモーダルな理解とインタラクションを可能にします。このプロジェクトは、研究者や開発者向けにコード、モデル、リソースを提供します。

MiniGPT-4 & MiniGPT-v2

AI GitHub リポジトリ

MiniGPT-4およびMiniGPT-v2のオープンソースコード。これらは、ビジョンと言語の理解を強化する高度な大規模言語モデルです。これらのモデルは、ビジョンと言語のタスクにおけるマルチタスク学習を可能にし、画像理解と生成の機能を提供します。Llama 2およびVicunaモデルを基盤としており、研究者や開発者向けの強力なツールを提供します。

ESRGAN

AI GitHub リポジトリ

視覚的な詳細と品質を向上させるための高度なAIモデルで、画像の超解像に特化しています。PIRMチャレンジの知覚的超解像部門で優勝し、さまざまなアプリケーションで画像の明瞭さと解像度を向上させるために使用されています。ESRGANは、視覚的な詳細と品質を向上させるための高度なAIモデルで、画像の超解像に特化しています。PIRMチャレンジの知覚的超解像部門で優勝し、さまざまなアプリケーションで画像の明瞭さと解像度を向上させるために使用されています。

CLIP

AI GitHub リポジトリ

OpenAIによって開発されたモデルで、画像に対して最も関連性の高いテキストスニペットを予測します。対照的な言語画像事前学習を使用して、画像の正確なテキスト記述を理解し生成する能力を高め、AIが視覚コンテンツを解釈する能力を向上させます。CLIPは、OpenAIによって開発されたモデルで、画像に対して最も関連性の高いテキストスニペットを予測します。対照的な言語画像事前学習を使用して、画像の正確なテキスト記述を理解し生成する能力を高め、AIが視覚コンテンツを解釈する能力を向上させます。

Vision Transformer

AI GitHub リポジトリ

Vision Transformer (ViT) リポジトリは、画像認識タスク用のモデルとコードを提供します。ImageNet および ImageNet-21k データセットで事前学習済みの Vision Transformer および MLP-Mixer アーキテクチャの実装が含まれており、JAX/Flax でのファインチューニング用コードも提供します。

Pythae

AI GitHub リポジトリ

Pytorchを使用した変分オートエンコーダ（VAE）実装のための統一プラットフォームを提供します。研究者や開発者に、VAEモデルを実験し最適化するための包括的なツールキットを提供し、機械学習とAI研究の進展を促進します。Pythaeは、Pytorchを使用した変分オートエンコーダ（VAE）実装のための統一プラットフォームを提供します。研究者や開発者に、VAEモデルを実験し最適化するための包括的なツールキットを提供し、機械学習とAI研究の進展を促進します。

LocalAI

AI GitHub リポジトリ

#44

ユーザーがGPUを必要とせずに任意のハードウェア上でさまざまなモデル（LLM、ビジョン、音声、画像、動画など）を実行できるオープンソースのAIエンジンです。この柔軟性により、多様なアプリケーションにアクセス可能です。LocalAIは、ユーザーがGPUを必要とせずに任意のハードウェア上でさまざまなモデル（LLM、ビジョン、音声、画像、動画など）を実行できるオープンソースのAIエンジンです。この柔軟性により、多様なアプリケーションにアクセス可能です。