#multi-modal-ai Repositorios
Descubre 37 repositorios activos de código abierto de GitHub etiquetados con #multi-modal-ai, que acumulan 152,489 estrellas en total (una media de 4,121 estrellas por proyecto). El líder de este tema es Lordog/dive-into-llms, con 55,949 estrellas.
37 repositorios en total
Serie de tutoriales de programación "Sumérgete en LLM: Aprende modelos de lenguaje grandes"
[NeurIPS 2023] Implementación oficial del artículo "Segment Everything Everywhere All at Once"
Una aplicación asistente de escritorio flotante universal multimodal y multimodel para la generación de consultas de IA global y todopoderosa
Este proyecto es una colección de scripts de flujo de trabajo DSL implementada en el proyecto de código abierto dify.
VILA es una familia de modelos de lenguaje de visión (VLM) de última generación para diversas tareas de IA multimodal en el borde, centros de datos y la nube.
Grounded SAM 2: Ancla y rastrea cualquier cosa en videos con Grounding DINO, Florence-2 y SAM 2
Un proyecto de referencia para desarrolladores para crear chatbots de Generación Aumentada por Recuperación (RAG) en Windows utilizando TensorRT-LLM
Fogsight es un agente de IA y un motor de animación impulsado por modelos de lenguaje grandes.
Lista de Artículos sobre Sistemas de Modelos Lingüísticos Grandes (LLMs)
RDT-1B: un Modelo de Fundación de Difusión para Manipulación Bimanual
Un agente conversacional encarnado de automejora, integrado perfectamente en el sistema operativo para automatizar nuestras tareas diarias.
Código para el artículo "ViperGPT: Inferencia Visual mediante Ejecución de Python para Razonamiento"
Un paquete de Python que facilita a los desarrolladores la creación de aplicaciones de IA impulsadas por varios proveedores de IA.
un marco abierto para la navegación de ciegos basado en ESP32
ELLA: Equipar modelos de difusión con LLM para una mejor alineación semántica
Una aplicación web para chatear con personajes de IA que cualquiera puede configurar y desplegar fácilmente.
Crea aplicaciones de IA que puedan ver, oír y hablar utilizando tus pantallas, micrófonos y cámaras como entradas.
GigaModels: Un repositorio y plataforma integral para modelos multimodales, generativos y perceptuales
Un reemplazo compatible con API y listo para usar para el framework Foundation Models de Apple con soporte para proveedores de modelos de lenguaje personalizados.
Biblioteca de inferencia oficial para el preprocesamiento de modelos Mistral
[CVPR 2024] LMDrive: Conducción de extremo a extremo en bucle cerrado con modelos de lenguaje grandes
LLaMA-VID: Una imagen vale 2 tokens en modelos de lenguaje grandes (ECCV 2024)
[EMNLP 2025] ViDoRAG: Generación Aumentada por Recuperación de Documentos Visuales mediante Agentes de Razonamiento Iterativo Dinámico
[NeurIPS 2023] Uni-ControlNet: Control todo en uno para modelos de difusión de texto a imagen
La integración exitosa de la serie Qwen3-VL-Instruct en la plataforma ComfyUI ha permitido un funcionamiento fluido, soportando (pero no limitado a) consultas basadas en texto, consultas de video, consultas de una sola imagen y consultas de múltiples imágenes para generar subtítulos o respuestas.
Preguntas frecuentes
¿Cuál es el repositorio de #multi-modal-ai más popular en GitHub?
El proyecto de código abierto de #multi-modal-ai mejor posicionado en GitHub es Lordog/dive-into-llms, con 55,949 estrellas. Serie de tutoriales de programación "Sumérgete en LLM: Aprende modelos de lenguaje grandes"
¿Qué lenguajes de programación se utilizan más en los repositorios de #multi-modal-ai?
Entre los proyectos de #multi-modal-ai mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #multi-modal-ai?
Seguimos 37 repositorios activos de código abierto etiquetados con #multi-modal-ai (500+ estrellas), que suman un total de 152,489 estrellas, con una media de 4,121 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.