Awesome GitHub RepositoriesMulti-Image Sample Processing

Spectacle is a React-based presentation framework that enables developers to author slide decks using JSX and MDX syntax. It provides a component-driven approach to building presentations, where slides are composed as React components with declarative layouts, theme-driven styling, and step-based animation sequencing. The framework distinguishes itself through its support for live coding demonstrations within slides, allowing presenters to execute and display code directly during a talk. It includes a presenter mode with dual-view architecture that shows speaker notes, a timer, and upcoming s

AutoGluon is an automated machine learning framework and multimodal library designed to automate the end-to-end pipeline from data preprocessing to high-accuracy model training and validation. It functions as an automated model trainer for tabular, image, text, and time series data, as well as a tool for time series forecasting and foundation model finetuning. The project is distinguished by its ability to jointly process and fuse different data types, allowing for the construction of multimodal neural networks that integrate images, text, and structured tables. It supports zero-shot inferenc

LLaVA-NeXT هو إطار عمل نموذج لغة كبير متعدد الوسائط ومجموعة أدوات تدريب مصممة لمعالجة الصور المتداخلة وتسلسلات الفيديو لتوليد النص. يعمل كنموذج لغة مرئي يجمع بين مشفرات الرؤية ونماذج اللغة لإجراء تفكير معقد، والإجابة على الأسئلة، وفهم الفيديو. النظام قادر على تحليل الصور عالية الدقة وإطارات الفيديو الزمنية لوصف الأحداث، وتلخيص الإجراءات، والتفكير عبر مدخلات مرئية متعددة. يدعم تفسير المستندات والمخططات، وتحليل البيئة المكانية، وتوليد تسميات توضيحية وصفية لكل من الصور والفيديو. يتضمن إطار العمل أدوات لضبط النماذج متعددة الوسائط من خلال تحسين التفضيلات لتقليل الهلوسة وتحسين الدقة. كما يوفر خادم استدلال لنشر هذه القدرات كخدمة API عبر خلفية HTTP.

Imageflow هي مكتبة عالية الأداء لمعالجة الصور ومحرك تركيب متاح كمكتبة متوافقة مع C، ومعالج صور عبر سطر الأوامر، وخادم ديناميكي لمعالجة الصور. توفر الوسائل لفك التشفير، والترميز، وتطبيق تحويلات بصرية معقدة على الصور من خلال واجهات برمجية، أو ملفات مهام JSON، أو سلاسل استعلام URL أثناء التنقل. يتميز النظام بخط معالجة قائم على الرسم البياني يسمح بالترميز متعدد التنسيقات في تمريرة واحدة، مما يولد أحجاماً وتنسيقات صور متعددة من فك تشفير واحد لتقليل العبء. كما يتميز بمحرك فك تشفير مقيد الموارد يفرض حدوداً صارمة على الذاكرة والأبعاد لمنع استنفاد الموارد وهجمات حجب الخدمة. يغطي المشروع مجموعة واسعة من إمكانيات المعالجة، بما في ذلك تغيير الحجم، والقص، والتدوير، وتصفية الألوان. ويدعم مهام التركيب المتقدمة مثل إضافة العلامات المائية، وإنشاء لوحات فارغة، ورسم الأشكال الهندسية، إلى جانب تصحيح الألوان التلقائي وتعديلات توازن اللون الأبيض باستخدام تحليل الرسم البياني. يتم كشف المنطق الأساسي عبر واجهة ربط الدوال الخارجية (FFI) للتكامل عبر اللغات.

Otter is a framework and toolkit for the pretraining, fine-tuning, and evaluation of vision-language models. It provides a pipeline for training large language models to process high-resolution images and video frames, integrating visual encoders with textual token spaces. The system is designed for multi-visual input processing, allowing models to interpret multiple images or video sequences within a single prompt. It supports multi-round conversation management to maintain context across interactions for detailed scene comprehension and visual reasoning. The framework covers a full develop