Alternatives and similar repositories for Text2Image-Retrieval:

Users that are interested in Text2Image-Retrieval are comparing it to the libraries listed below

• sjy0727 / CLIP-Text-Image-Retrieval
  该项目旨在通过输入文本描述来检索与之相匹配的图片。
  ☆36Updated last year
• paperClub-hub / chinese_clip
  中文CLIP：自定义数据集，可根据文图提取向量，实现文图匹配。
  ☆22Updated 2 years ago
• soup-L / Multimodal_retrieval
  基于多模态检索的互联网图文匹配
  ☆13Updated last year
• yangjianxin1 / ClipCap-Chinese
  基于ClipCap的看图说话Image Caption模型
  ☆297Updated 2 years ago
• tianruochen / MultimodalVideoTag
  多模态视频分类模型
  ☆20Updated 2 years ago
• HuangYuantong / video-text-retrieval
  毕业设计：《基于CLIP模型的视频文本检索设计与实现》
  ☆10Updated 8 months ago
• bubbliiiing / clip-pytorch
  这是一个clip-pytorch的模型，可以训练自己的数据集。
  ☆218Updated last year
• kitsch231 / pytorch_fake_news_Classification_mml
  使用pytorch完成的一个多模态分类任务，文本和图像部分分别使用了bert和resnet提取特征（在config里可以组合多种模型）,在我的小规模数据集上取得了良好的性能（验证集acc96%）
  ☆74Updated 2 years ago
• hpc203 / Chinese-CLIP-opencv-onnxrun
  使用OpenCV+onnxruntime部署中文clip做以文搜图，给出一句话来描述想要的图片，就能从图库中搜出来符合要求的图片。包含C++和Python两个版本的程序
  ☆69Updated last year
• ppanzx / CHAN
  ☆46Updated last year
• BeatsLeo / ClipCap-Chinese
  DIP & NLP期末大作业 — 课程设计
  ☆18Updated 2 years ago
• LuminosityX / HAT
  Implementation of our paper, 'Unifying Two-Stream Encoders with Transformers for Cross-Modal Retrieval.'
  ☆22Updated last year
• LCFractal / TGDT
  Efficient Token-Guided Image-Text Retrieval with Consistent Multimodal Contrastive Training
  ☆25Updated last year
• redysky / multimodel
  商品图像检索、多模态、深度学习
  ☆31Updated 3 years ago
• hhaAndroid / awesome-mm-chat
  多模态 MM +Chat 合集
  ☆249Updated last month
• songyn95 / Multimodel-seach
  2024.06.19 本项目使用Chinese-CLIP搭建文搜图/图搜图页面,旨在帮助用户快速使用跨模态检索任务。本项目代码针对MUGE数据集约19w(189585张)数据作为底库数据。本项目提供了提取特征, 检索, 以及uI代码。
  ☆14Updated 9 months ago
• alipay / Ant-Multi-Modal-Framework
  Research Code for Multimodal-Cognition Team in Ant Group
  ☆138Updated 8 months ago
• weiji-Feng / Image2Poem
  A project that can generate ancient poems based on pictures, including CLIP, T5, GPT2 models
  ☆21Updated last month
• yangjianxin1 / CLIP-Chinese
  中文CLIP预训练模型
  ☆406Updated 2 years ago
• joker-star-l / ai_lab5
  人工智能实验五：多模态情感分类
  ☆14Updated 2 years ago
• AAA-Zheng / Image-Text-Matching-Summary
  Summary of Related Research on Image-Text Matching
  ☆70Updated last year
• zhangfaen / finetune-InternVL2
  ☆21Updated 7 months ago
• xinyanghuang7 / Basic-Visual-Language-Model
  Build a simple basic multimodal large model from scratch. 从零搭建一个简单的基础多模态大模型🤖
  ☆34Updated 9 months ago
• owenliang / mnist-clip
  a super easy clip model with mnist dataset for study
  ☆102Updated last year
• liujunwen23 / MIRE
  WWW2025 Multimodal Intent Recognition for Dialogue Systems Challenge
  ☆118Updated 4 months ago
• ZYiJie / text2img
  模式识别课设代码：图文生成（CLIP+DALLE+BriVL）
  ☆21Updated last year
• Kamino666 / Video-Captioning-Transformer
  这是一个基于Pytorch平台、Transformer框架实现的视频描述生成 (Video Captioning) 深度学习模型。 视频描述生成任务指的是：输入一个视频，输出一句描述整个视频内容的文字（前提是视频较短且可以用一句话来描述）。本repo主要目的是帮助视力障碍…
  ☆86Updated 3 years ago
• LDLINGLINGLING / adan_application
  一些大语言模型和多模态模型的应用,主要包括Rag，小模型，Agent，跨模态搜索，OCR等等
  ☆157Updated 4 months ago
• yangbang18 / CARE
  (TIP'2023) Concept-Aware Video Captioning: Describing Videos with Effective Prior Information
  ☆27Updated 3 months ago
• om-ai-lab / GroundVLP
  GroundVLP: Harnessing Zero-shot Visual Grounding from Vision-Language Pre-training and Open-Vocabulary Object Detection (AAAI 2024)
  ☆64Updated last year