“vision-language-model” 관련 오픈소스 프로젝트

픽셀과 텍스트를 하나의 인코더 없는 dense 아키텍처로 처리하는 오픈소스 네이티브 VLM(NEO 시리즈)

FSDP2, Muon, Liger 커널을 지원하는 비전-언어, diffusion, MoE 모델용 통합 학습 엔진

자체 OpenAI 호환 비전 모델로 페이지를 처리해 PDF, Office 파일, 스캔 문서, 스크린샷, 다이어그램을 Markdown으로 변환합니다.

이미지 이해, 텍스트-이미지 생성, 이미지 편집을 하나의 통합 아키텍처에서 처리하는 오픈소스 네이티브 멀티모달 모델입니다.

Apple Silicon에서 MLX로 이미지 한 장에 대한 후보 답변을 채점하는 비전-언어 모델 추론 교육용 프로젝트입니다.

Qwen3.5와 C-RADIOv4-H 기반의 9B 오픈 웨이트 멀티모달 모델로, 시각 이해와 공간 추론, 도구 사용 및 체화형 AI 연구를 지원합니다.

자연어 지시에 따라 텍스트, 이미지 또는 둘 다 생성하며 다양한 컴퓨터 비전 작업을 처리하는 통합 멀티모달 모델입니다.