Awesome-VLM-AD-ITS-自动驾驶与智能交通系统的视觉语言模型研究

一种优化视觉语言提示上下文的方法，通过知识引导提升交互效果。

Duckietown是一个用于学习和研究机器人技术与人工智能的项目，提供了一个实践平台，通过模拟和真实环境帮助用户理解自动驾驶车辆的工作原理。

一款自由、开放且无审查的图像描述视觉语言模型，专为社区训练扩散模型而设计，支持多样化的图像风格和内容。

用大型语言模型重新思考自动驾驶，使用GPT-3.5作为默认的大型语言模型(LLM)，介绍了LLM在驾驶场景中的闭环交互能力以及通过记忆能提升性能的方法

高性能生产级API，用于托管MLX模型，包括视觉语言模型(VLM)和语言模型(LM)，支持多种模型架构，优化资源管理，提供定制化服务

创新的文档检索系统(V-RAG)，无需传统的文本分块，直接利用视觉语言模型处理PDF文档。

该项目汇集了关于视觉Transformer(ViT)和视觉语言模型(VLM)的Token压缩技术的最新研究论文，旨在提高模型效率和性能。

利用视觉语言模型（VLMs）为图片自动生成描述的工具，具备自动检测并解决重复序列标题失败的功能，支持多种脚本和模型。该工具旨在提升图像描述的质量与多样性，适用于多种应用场景，如社交媒体、内容创作等。

一个利用肌肉骨骼仿生机器人实现自动驾驶的项目，详细模仿了人体，适合在复杂环境中运动。

OccNet-Course是一个围绕自动驾驶领域的语义占据感知的课程，提供了占据网络的理论基础和实际应用示例。它包含丰富的文档、演示文稿和源代码，适用于处理与分析多种传感器数据，帮助研究人员和开发者深入理解和应用占据网络技术。

RL-VLM-F是一个结合视觉和语言的强化学习项目，通过利用基础模型的反馈进行学习，旨在优化多模态任务中的决策过程。

DAIR-V2X是一个用于车辆与基础设施合作的3D物体检测的大规模数据集，旨在推动智能交通系统的发展，提供丰富的场景和多样的标签，以支持研究和应用。

ADAPT是由清华大学人工智能产业研究院（AIR）创建的项目，利用Transformer技术实现自动驾驶，支持多种任务，并具备高效的实时数据处理能力。该项目的模块化架构使其具备良好的扩展性，适用于多种自动驾驶应用场景。

一个致力于医学应用的视觉语言模型集合，旨在解决通用模型在医学领域的挑战，并与专家分割和分类模型集成。

Dropbox LLM Security研究代码和结果，主要用于展示攻击大型语言模型的技术，特别是针对文本提示注入的攻击。该项目提供了相关的研究代码和结果，使研究人员能深入分析大型语言模型的安全性，并测试不同攻击方法的效果。

Telegram Media Downloader是一个方便的工具，旨在帮助用户从Telegram中下载各种媒体文件，包括图片、视频等。它支持批量下载，能够处理多种媒体格式，且具备简单易用的命令行界面，提供中文教程，方便用户上手使用。

面向生产的大语言模型构建指南配套代码，提供丰富的Jupyter笔记本，帮助开发者深入理解和实践LLM的应用开发。该项目旨在帮助开发者通过实际操作掌握大语言模型的构建与应用，通过示例代码和文档支持自学和项目开发。

LogoAI是一个基于AI的logo制作和品牌建设平台，帮助企业创建专业的logo，设计匹配的品牌形象，并自动化品牌推广，生成符合品牌的社交媒体内容。