#multi-modal-ai Repositories
Entdecke 37 aktive Open-Source-GitHub-Repositories, die mit #multi-modal-ai getaggt sind und insgesamt 152,489 Sterne gesammelt haben (durchschnittlich 4,121 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Lordog/dive-into-llms mit 55,949 Sternen.
Insgesamt 37 Repositories
Programmierpraxis-Tutorialserie „Dive into LLMs: Große Sprachmodelle von Grund auf aufbauen“
[NeurIPS 2023] Offizielle Implementierung des Papers „Segment Everything Everywhere All at Once“
Eine multimodale, multimodel-universelle, globale, allumfassende KI-Abfragegenerierungs-Desktop-Schwebassistent-Anwendung
Dieses Projekt ist eine Sammlung von DSL-Workflow-Skripten, die auf dem dify Open-Source-Projekt basieren.
VILA ist eine Familie hochmoderner Vision-Language-Models (VLMs) für vielfältige multimodale KI-Aufgaben im Edge-, Rechenzentrums- und Cloud-Bereich.
Grounded SAM 2: Beliebiges in Videos mit Grounding DINO, Florence-2 und SAM 2 am Boden verfolgen und nachverfolgen
Ein Entwicklerreferenzprojekt zum Erstellen von Retrieval Augmented Generation (RAG)-Chatbots unter Windows mit TensorRT-LLM
Fogsight ist ein KI-Agent und eine Animations-Engine, die von großen Sprachmodellen angetrieben wird.
RDT-1B: ein Diffusionsgrundlagenmodell für bilaterale Manipulation
Ein sich selbst verbessernder verkörperter Konversationsagent, nahtlos in das Betriebssystem integriert, um unsere täglichen Aufgaben zu automatisieren.
Code für die Arbeit "ViperGPT: Visuelle Inferenz durch Python-Ausführung für Schlussfolgerungen"
Ein Python-Paket, das es Entwicklern erleichtert, KI-Apps zu erstellen, die von verschiedenen KI-Anbietern unterstützt werden.
ein offenes Framework für Blindenavigation basierend auf ESP32
ELLA: Ausstattungsdiffusionsmodelle mit LLM für verbesserte semantische Ausrichtung
Eine Webanwendung zum Chatten mit KI-Charakteren, die jeder einfach einrichten und bereitstellen kann.
Erstellen Sie KI-Anwendungen, die mithilfe Ihrer Bildschirme, Mikrofone und Kameras als Eingaben sehen, hören und sprechen können.
GigaModels: Ein umfassendes Repository und eine Plattform für multimodale, generative und perzeptuelle Modelle
Ein API-kompatibler Drop-in-Ersatz für Apples Foundation Models Framework mit Unterstützung für benutzerdefinierte Sprachmodell-Anbieter.
Offizielle Inferenzbibliothek für die Vorverarbeitung von Mistral-Modellen
[CVPR 2024] LMDrive: End-to-End-Fahren im geschlossenen Kreislauf mit großen Sprachmodellen
LLaMA-VID: Ein Bild ist 2 Token in großen Sprachmodellen wert (ECCV 2024)
[EMNLP 2025] ViDoRAG: Visuelle Dokumenten-Retrieval-Augmented Generation durch dynamische iterative Schlussfolgerungsagenten
[NeurIPS 2023] Uni-ControlNet: All-in-One-Steuerung für Text-zu-Bild-Diffusionsmodelle
Die erfolgreiche Integration der Qwen3-VL-Instruct-Serie in die ComfyUI-Plattform hat einen reibungslosen Betrieb ermöglicht, der (aber nicht ausschließlich) textbasierte Abfragen, Videoabfragen, Abfragen mit einem einzigen Bild sowie Abfragen mit mehreren Bildern zur Erzeugung von Untertiteln oder Antworten unterstützt.
Moxin ist eine Familie von vollständig quelloffenen und reproduzierbaren LLMs
Häufig gestellte Fragen
Welches ist das beliebteste #multi-modal-ai-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#multi-modal-ai-Projekt auf GitHub ist Lordog/dive-into-llms mit 55,949 Sternen. Programmierpraxis-Tutorialserie „Dive into LLMs: Große Sprachmodelle von Grund auf aufbauen“
Welche Programmiersprachen werden in #multi-modal-ai-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #multi-modal-ai-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #multi-modal-ai-Repositories berechnet?
Wir verfolgen 37 aktive Open-Source-Repositories, die mit #multi-modal-ai getaggt sind (500+ Sterne), mit insgesamt 152,489 Sternen und durchschnittlich 4,121 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.