#multi-modal Repositorios
Descubre 47 repositorios activos de código abierto de GitHub etiquetados con #multi-modal, que acumulan 208,313 estrellas en total (una media de 4,432 estrellas por proyecto). El líder de este tema es agentscope-ai/agentscope, con 36,422 estrellas.
47 repositorios en total
[CVPR 2024 Oral] InternVL Family: Una alternativa pionera de código abierto a GPT-4o. Un modelo de diálogo multimodal de código abierto con un rendimiento cercano a GPT-4o.
El espacio de trabajo de IA para expertos. Cambia entre más de 800 modelos durante el chat, ajusta más de 40 parámetros y compara modelos de Beam lado a lado. Usa tus propias claves y alójalo por tu cuenta. Basado en nuestro motor de protocolo nativo: fiable, altamente configurable y rápido.
un modelo de lenguaje visual abierto de última generación | modelo preentrenado multimodal
Versión china de CLIP que logra la recuperación intermodal y la generación de representaciones en chino.
Implementación / replicación de DALL-E, el Transformer de Texto a Imagen de OpenAI, en Pytorch
Kit de herramientas de evaluación de código abierto para modelos multimodales grandes (LMM), admite más de 220 LMM, más de 80 benchmarks
[EMNLP 2022] Un kit de herramientas abierto para la extracción y construcción de grafos de conocimiento
OmniGen: Generación Unificada de Imágenes. https://arxiv.org/pdf/2409.11340
Modelo de lenguaje conversacional multimodal chino e inglés | Modelo de lenguaje de diálogo bilingüe chino-inglés multimodal
Una biblioteca C#/.NET para ejecutar LLM (🦙LLaMA/LLaVA) de manera eficiente en su dispositivo local.
Ecosistema de asistente de IA de código abierto con integraciones MCP, flujos de trabajo multimodales, soporte para IoT e interacción por voz multiplataforma.
【EMNLP 2024🔥】Video-LLaVA: Aprendiendo una Representación Visual Unificada mediante Alineación antes de la Proyección
Página del proyecto para "LISA: Segmentación por razonamiento a través de modelos de lenguaje grandes"
Una colección de artículos clásicos y de vanguardia de la industria en los campos de recomendación/publicidad/búsqueda. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
[NeurIPS 2023] MotionGPT: Movimiento Humano como Lengua Extranjera, un modelo unificado de generación de movimiento-lenguaje que utiliza LLM
Una interfaz GPT robusta y todo en uno para Discord. ¡Conversaciones al estilo ChatGPT, generación de imágenes, moderación de IA, índices/bases de conocimiento personalizadas, resumidor de YouTube y más!
Implementación Pytorch de Transfusion, "Predice el siguiente token y difunde imágenes con un único modelo multimodal" de MetaAI
Ingeniería de Datos para Modelos de Gran Escala: Arquitectura, Algoritmos y Práctica de Proyectos
[pip install medmnist] 18 conjuntos de datos estandarizados para clasificación de imágenes biomédicas 2D y 3D
Este repositorio recopila artículos para "A Survey on Knowledge Distillation of Large Language Models" (Una Revisión sobre la Destilación del Conocimiento de Modelos de Lenguaje Grandes). Desglosamos la KD en Extracción de Conocimiento y Algoritmos de Destilación, y exploramos la Destilación de Habilidades y Vertical de los LLM.
FarmVibes.AI: Modelos de ML Geoespaciales Multimodales para la Agricultura y la Sostenibilidad
【ICLR 2024🔥】 Extensión del preentrenamiento de video-lenguaje a N-modalidades mediante alineación semántica basada en el lenguaje
Utilice modelos multimodales de interacción tardía como ColPali en solo unas pocas líneas de código.
[CVPR 2026🔥] 🧑🎨 OmniLottie, un generador de animaciones vectoriales multimodales de código abierto que produce archivos Lottie JSON.
Pipeline OCR multimodal optimizado para entrenamiento de ML (texto, figuras, matemáticas, tablas, diagramas)
[ICCV 2025 & ICCV 2025 RIWM Premio a la Mejor Ponencia] Aether: Modelado unificado del mundo con conciencia geométrica
Generación de películas de IA paralela impulsada por DAG multi-modelo — aceleración paralela escala con independencia de escena; Generar escenas de película simultáneamente en lugar de una por una; "Convertir el grafo de ejecución de generación audiovisual de orden topológico a programación óptima del camino crítico"; El único motor de generación audiovisual que modela dependencias narrativas de escena como DAG y impulsa programación paralela con algoritmo CPM
Democratización de RT-2 "RT-2: El nuevo modelo traduce la visión y el lenguaje en acción"
🌐 Modelos de visión, lenguaje y acción para la conducción autónoma: pasado, presente y futuro
FashionCLIP es un modelo similar a CLIP afinado para el dominio de la moda.
🔥🔥🔥[AAAI 2026 Oral] Implementación Oficial de Robust‑R1: Razonamiento Sensible a la Degradación para una Comprensión Visual Robusta
Preguntas frecuentes
¿Cuál es el repositorio de #multi-modal más popular en GitHub?
El proyecto de código abierto de #multi-modal mejor posicionado en GitHub es agentscope-ai/agentscope, con 36,422 estrellas. Construye y ejecuta agentes que puedas ver, entender y confiar.
¿Qué lenguajes de programación se utilizan más en los repositorios de #multi-modal?
Entre los proyectos de #multi-modal mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, C++.
¿Cómo se calcula la clasificación de los repositorios de #multi-modal?
Seguimos 47 repositorios activos de código abierto etiquetados con #multi-modal (500+ estrellas), que suman un total de 208,313 estrellas, con una media de 4,432 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.