https://github.com/OpenGVLab/InternVL

[CVPR 2024 Oral] InternVL Family: A Pioneering Open-Source Alternative to GPT-4o. 接近GPT-4o表现的可商用开源多模态对话模型
https://github.com/OpenGVLab/InternVL

gpt gpt-4o gpt-4v image-classification image-text-retrieval llm multi-modal semantic-segmentation video-classification vision-language-model vit-22b vit-6b

Last synced: about 1 month ago
JSON representation

[CVPR 2024 Oral] InternVL Family: A Pioneering Open-Source Alternative to GPT-4o. 接近GPT-4o表现的可商用开源多模态对话模型

• Host: GitHub
• URL: https://github.com/OpenGVLab/InternVL
• Owner: OpenGVLab
• License: mit
• Created: 2023-11-22T08:08:08.000Z (10 months ago)
• Default Branch: main
• Last Pushed: 2024-07-30T09:07:06.000Z (about 1 month ago)
• Last Synced: 2024-07-30T13:32:21.630Z (about 1 month ago)
• Topics: gpt, gpt-4o, gpt-4v, image-classification, image-text-retrieval, llm, multi-modal, semantic-segmentation, video-classification, vision-language-model, vit-22b, vit-6b
• Language: Python
• Homepage: https://internvl.readthedocs.io/en/latest/
• Size: 35.4 MB
• Stars: 4,482
• Watchers: 43
• Forks: 344
• Open Issues: 148
• Metadata Files:
  • Readme: README.md
  • Contributing: .github/CONTRIBUTING.md
  • License: LICENSE

Awesome Lists containing this project

• Awesome-Reasoning-Foundation-Models - [code
• awesome-LLMs-finetuning - InternVL
• StarryDivineSky - OpenGVLab/InternVL - 4o 的开创性开源替代品。接近GPT-4o表现的可商用开源多模态对话模型。InternVL 1.5，这是一种开源多模态大型语言模型 （MLLM），旨在弥合开源和专有商业模型在多模态理解方面的能力差距。我们介绍三种简单的设计：强视觉编码器：我们探索了一种针对大规模视觉基础模型的持续学习策略——InternViT-6B，提升其视觉理解能力，使其可以在不同的LLMs环境中转移和复用。动态高分辨率：我们根据输入图像的纵横比和分辨率，将图像划分为 1 到 40 的 448 × 448 像素的瓦片，最高支持 4K 分辨率输入。高质量的双语数据集：我们精心收集了一个高质量的双语数据集，涵盖了常见场景、文档图像，并用中英文问答对进行标注，显著提高了OCR和中文相关任务的性能。 (文本生成、文本对话 / 大语言对话模型及数据)
• AiTreasureBox - OpenGVLab/InternVL - 09-08_5406_0](https://img.shields.io/github/stars/OpenGVLab/InternVL.svg)|[CVPR 2024 Oral] InternVL Family: A Pioneering Open-Source Alternative to GPT-4V. 接近GPT-4V表现的可商用开源模型| (Repos)
• awesome-vision-language-pretraining - InternVL