项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 260
核心亮点
- 在TextVQA等文本丰富视觉问答基准上表现优异，超越同类模型
- 架构简单，基于BLIP-2和LLaMA，易于理解和复现
- 支持LoRA等高效微调，降低训练成本
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 对中文场景支持有限，主要面向英文
适用场景
- 文档图像问答，如合同、发票信息提取
- 街景文字识别，如路牌、招牌问答
- 教育场景，如教材截图提问
替代项目
LLaVA、InstructBLIP、MiniGPT-4
同类项目推荐
awesome-japanese-llm
开源
一站式查找日语大模型，快速选型不踩坑
日本語LLMまとめ - Overview of Japanese LLMs
General-Physics-Transformer
开源
一个模型搞定多种物理系统模拟，告别重复建模
A foundation model to learn multiple physical systems at once
denoising-diffusion-pytorch
开源
用 PyTorch 复现扩散模型，从噪声生成逼真图像
Implementation of Denoising Diffusion Probabilistic Model in Pytorch
TokenFlow
开源
一个分词器同时搞定图像理解和生成，统一多模态。
[CVPR 2025] Official impl. of "TokenFlow: Unified Image Tokenizer for Multimodal Un···
pytorch-stable-diffusion
开源
手写 Stable Diffusion 源码，从论文到图像生成一步到位
Stable Diffusion implemented from scratch in PyTorch
HRM-Text
开源
1B小模型也能做复杂推理，任务完成更靠谱
HRM-Text is a 1B text generation model based on the HRM architecture, strengthened b···
UForm
开源
小体积多模态模型，图文视频理解快数倍
Pocket-Sized Multimodal AI for content understanding and generation across multiling···
Awesome-LLM-Long-Context-Modelin···
开源
一站式掌握大模型长上下文技术，从论文到实践
Must-read papers and blogs on LLM based Long Context Modeling
Awesome-Diffusion-LLM
开源
一页看尽扩散+大模型论文，快速入门新方向
A comprehensive list of papers about Large-Language-Diffusion-Models.