Git Stars Git Stars

#multimodal Repositories

183
Gesamtzahl der Repositories
700,629
Gesamtanzahl der Sterne
3,828
Durchschnittliche Sterne/Repo

Insgesamt 183 Repositories

151
taboospecialistblade/ai--manus2.0

AI Manus ist ein universelles KI-Agentensystem, das die Ausführung verschiedener Tools und Vorgänge in einer Sandbox-Umgebung unterstützt.

taboospecialistblade
⭐ 651 👤 taboospecialistblade User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-11-14
152
Tonephorepair/ai--manus2.0

AI Manus ist ein universelles KI-Agentensystem, das die Ausführung verschiedener Tools und Vorgänge in einer Sandbox-Umgebung unterstützt.

Tonephorepair
⭐ 650 👤 Tonephorepair User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-11-14
153
trackboatwrightplan/ai--manus2.0

AI Manus ist ein universelles KI-Agentensystem, das die Ausführung verschiedener Tools und Vorgänge in einer Sandbox-Umgebung unterstützt.

trackboatwrightplan
⭐ 649 👤 trackboatwrightplan User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-11-14
154
JIA-Lab-research/Seg-Zero

Projektseite für "Seg-Zero: Reasoning-Chain-gesteuerte Segmentierung durch kognitive Verstärkung"

JIA-Lab-research
⭐ 647 Python 👤 JIA-Lab-research Organization 🕐 Aktualisiert 2026-01-17 📅 Erstellt 2025-03-07
155
Tencent-Hunyuan/Hunyuan3D-Omni

Hunyuan3D-Omni: Ein einheitliches Framework für die kontrollierbare Erzeugung von 3D-Assets

Tencent-Hunyuan
⭐ 643 Python 👤 Tencent-Hunyuan Organization 🕐 Aktualisiert 2025-10-17 📅 Erstellt 2025-09-25
156
AILab-CVC/SEED

Offizielle Implementierung von SEED-LLaMA (ICLR 2024).

AILab-CVC
⭐ 638 Python 👤 AILab-CVC Organization 🕐 Aktualisiert 2024-09-21 📅 Erstellt 2023-07-15
157
SkalskiP/awesome-foundation-and-multimodal-models

👁️ + 💬 + 🎧 = 🤖 Kuratierte Liste der besten Foundation- und multimodalen Modelle! [Paper + Code + Beispiele + Tutorials]

SkalskiP
⭐ 635 Python 👤 SkalskiP User 🕐 Aktualisiert 2024-02-29 📅 Erstellt 2023-10-08
158
motis-project/motis

multimodales Routing, Geocoding und Kartenfliesen

motis-project
⭐ 628 C++ 👤 motis-project Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2020-04-14
159
Denis2054/RAG-Driven-Generative-AI

Dieses Repository stellt Programme zur Erstellung von Retrieval Augmented Generation (RAG)-Code für Generative AI mit LlamaIndex, Deep Lake und Pinecone bereit, wobei die Leistungsfähigkeit von OpenAI- und Hugging Face-Modellen für Generierung und Evaluierung genutzt wird.

Denis2054
⭐ 627 Jupyter Notebook 👤 Denis2054 User 🕐 Aktualisiert 2025-09-23 📅 Erstellt 2024-04-19
160
omriav/blended-latent-diffusion

Offizielle Implementierung für "Blended Latent Diffusion" [SIGGRAPH 2023]

omriav
⭐ 627 Jupyter Notebook 👤 omriav User 🕐 Aktualisiert 2024-06-04 📅 Erstellt 2022-06-06
161
turningpoint-ai/VisualThinker-R1-Zero

Erkunden Sie den multimodalen "Aha-Moment" auf dem 2B-Modell

turningpoint-ai
⭐ 623 Python 👤 turningpoint-ai Organization 🕐 Aktualisiert 2025-03-18 📅 Erstellt 2025-02-24
162
RobotecAI/rai

RAI ist ein vendor-agnostisches agentisches Framework für Physical-AI-Robotik, das ROS-2-Tools nutzt, um komplexe Aktionen, definierte Szenarien, freie Schnittstellen-Ausführung, Log-Zusammenfassungen, Sprachinteraktion und mehr durchzuführen.

RobotecAI
⭐ 619 Python 👤 RobotecAI Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2024-06-04
163
MMMU-Benchmark/MMMU

Dieses Repository enthält den Evaluierungscode für das Paper „MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI“

MMMU-Benchmark
⭐ 601 Python 👤 MMMU-Benchmark Organization 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2023-11-23
164
oxbshw/watch-skill

Gib KI-Agenten Augen, Ohren und überprüfbare Ergebnisse. Watch Skill macht aus Videos, Audio und Bildschirmaktivitäten durchsuchbare, mit Zeitstempeln versehene Belege und weist Arbeit anhand deterministischer Verträge nach – nicht anhand von Modellmeinungen. DeepWatch ist der auf DeepSeek Harness basierende Arbeitsbereich für Agenten. Python + npm, MCP, CLI, REST, Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2026-07-05
165
baaivision/tokenize-anything

[ECCV 2024] Tokenisieren Sie alles per Prompting

baaivision
⭐ 599 Jupyter Notebook 👤 baaivision Organization 🕐 Aktualisiert 2024-12-11 📅 Erstellt 2023-12-14
166
the-ai-merge/multimodal-agents-course

Ein MCP Multimodaler KI-Agent mit Augen und Ohren!

the-ai-merge
⭐ 587 Python 👤 the-ai-merge Organization 🕐 Aktualisiert 2026-01-05 📅 Erstellt 2025-04-07
167
vignshwarar/AI-Employe

Erstellen Sie Browser-Automatisierung, als würden Sie einen Menschen mit GPT-4 Vision unterrichten.

vignshwarar
⭐ 587 TypeScript 👤 vignshwarar User 🕐 Aktualisiert 2024-02-19 📅 Erstellt 2023-12-21
168
SAOS-3624/dsh-video-storyboard

Szenenbewusstes Storyboard für DeepSeek Harness: 9–16 nummerierte Felder mit Zeitstempeln + Transkript + Audiohüllkurve, gebündelt in EINEM Bild (384 Token). Zwei Tools: video_storyboard und video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-10-26
169
FoundationVision/Groma

[ECCV2024] Geerdetes multimodales großes Sprachmodell mit lokalisierter visueller Tokenisierung

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 Aktualisiert 2024-06-07 📅 Erstellt 2024-04-21
170
omriav/blended-diffusion

Offizielle Implementierung für "Blended Diffusion für textgesteuerte Bearbeitung natürlicher Bilder" [CVPR 2022]

omriav
⭐ 582 Jupyter Notebook 👤 omriav User 🕐 Aktualisiert 2024-06-04 📅 Erstellt 2021-11-29
171
microsoft/psi

Plattform für Situated Intelligence

microsoft
⭐ 577 C# 👤 microsoft Organization 🕐 Aktualisiert 2026-10-19 📅 Erstellt 2016-09-09
172
ictnlp/LLaVA-Mini

LLaVA-Mini ist ein einheitliches großes multimodales Modell (LMM), das Bilder, hochauflösende Bilder und Videos auf effiziente Weise verstehen kann.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Aktualisiert 2025-06-29 📅 Erstellt 2025-01-07
173
alan-ai/alan-sdk-reactnative

Das Self-Coding-System für Ihre App — Alan AI SDK für React Native

alan-ai
⭐ 573 Ruby 👤 alan-ai Organization 🕐 Aktualisiert 2026-02-14 📅 Erstellt 2019-10-23
174
monatis/clip.cpp

CLIP-Inferenz in reinem C/C++ ohne zusätzliche Abhängigkeiten

monatis
⭐ 572 C++ 👤 monatis User 🕐 Aktualisiert 2026-08-24 📅 Erstellt 2023-04-28
175
Code-Amadeus/Amadeus

Echtzeit-Multimodal-Desktop-Agent, der sich zu einer permanent verfügbaren KI-Betriebssystemoberfläche entwickelt (0.17 α).

Code-Amadeus
⭐ 570 Python 👤 Code-Amadeus Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-07-26
176
Flame-Code-VLM/Flame-Code-VLM

Flame ist ein Open-Source-multimodales KI-System, das entwickelt wurde, um UI-Design-Mockups in qualitativ hochwertigen React-Code zu übersetzen. Es nutzt Vision-Language-Modelling, automatisierte Datensynthese und strukturierte Trainings-Workflows, um die Lücke zwischen Design und Frontend-Entwicklung zu schließen.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 Aktualisiert 2026-02-11 📅 Erstellt 2025-02-10
177
uclanlp/OpenVLHarness

Offizieller Code für OpenVLHarness: Tool-Nutzung visueller Agenten in der realen Welt mit multimodalem Gedächtnis

uclanlp
⭐ 557 Python 👤 uclanlp Organization 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2026-10-15
178
vlm-run/vlmrun-hub

Ein Zentrum für verschiedene branchenspezifische Schemata zur Verwendung mit VLMs.

vlm-run
⭐ 555 Python 👤 vlm-run Organization 🕐 Aktualisiert 2025-12-15 📅 Erstellt 2024-11-11
179
OpenEnvision/Awesome-Multimodal-Modeling

Großartige multimodale Modellierung [Umfasst MLLM, UMM und NMM]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-03-27
180
OmniJev/Flide

🔥🔥 Die extrem schnelle Inferenz-Engine für Entscheidungsmodelle

OmniJev
⭐ 550 Python 👤 OmniJev Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-10-24
181
google/break-a-scene

Offizielle Implementierung für "Break-A-Scene: Extracting Multiple Concepts from a Single Image" [SIGGRAPH Asia 2023]

google
⭐ 525 Python 👤 google Organization 🕐 Aktualisiert 2024-01-14 📅 Erstellt 2023-09-13
⭐ 517 Zig 👤 antflydb Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-03-15
183
hustvl/EVF-SAM

Offizieller Code von „EVF-SAM: Frühe Vision-Language-Fusion für Text-Prompt-basiertes Segment Anything Model“

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Aktualisiert 2025-03-17 📅 Erstellt 2024-06-12