VirConv

世界上第一个通用3D目标检测代码库。

[NeurIPS'23 口头报告] 视觉指令微调（LLaVA），旨在达到 GPT-4V 级别能力及更高水平。

跨任务、跨语言、跨模态的大规模自监督预训练

开源多模态大模型，支持视觉、语音和文本，在手机和边缘设备上表现优异。