X
xmodaler
YehLi/xmodaler
X-modaler是一个通用且高性能的跨模态分析代码库（例如，图像描述、视频描述、视觉语言预训练、视觉问答、视觉常识推理和跨模态检索）。
★972stars
Python
NOASSERTION
更新: 3周前
📋 项目速览
点击展开
这是什么？开源模型项目，用Python构建、核心能力在cross-modal-retrieval/image-captioning
作者是谁？由 YehLi 团队维护，GitHub 972⭐，在 模型 分类 3201 个项目中排名第 1087
为什么诞生？在模型领域，cross-modal-retrieval流程长期存在效率瓶颈，YehLi团队用xmodaler解决了image-captioning这一关键环节。
能干什么？核心场景：pretraining、tden、video-captioning
怎么用 AI 安装？推荐使用 AI 编码助手根据 GitHub README 自动完成 pip 安装和虚拟环境配置。
🔗 github.com/YehLi/xmodaler
🔗 github.com/YehLi/xmodaler
标签
cross-modal-retrievalimage-captioningpretrainingtdenvideo-captioningvision-and-languagevisual-question-answering