#multimodal-learning Repositorios
Descubre 35 repositorios activos de código abierto de GitHub etiquetados con #multimodal-learning, que acumulan 63,371 estrellas en total (una media de 1,810 estrellas por proyecto). El líder de este tema es apple-aiml-research/ml-ferret, con 8,646 estrellas.
35 repositorios en total
Conviértete en un investigador/ingeniero de IA/ML de alto nivel con este libro de texto poco convencional que cubre matemáticas, computación y aprendizaje automático con intuición.
Lista de lectura para temas de investigación en aprendizaje automático multimodal
Un marco de código abierto para entrenar modelos multimodales grandes.
Código oficial utilizado para desarrollar Vision Transformer, SigLIP, MLP-Mixer, LiT y más.
Construcción de robots de propósito general basados en modelos fundacionales corporizados
Modelos Fundacionales Multimodales de Vanguardia para la Comprensión de Imágenes y Videos
Una implementación oficial para "CLIP4Clip: Un estudio empírico de CLIP para la recuperación de videoclips de extremo a extremo"
Una colección de recursos sobre aplicaciones de aprendizaje multimodal en imágenes médicas.
Artículos ICCV 2023-2025: Descubra investigaciones de vanguardia de ICCV 2023-25, la conferencia líder en visión por computadora. Manténgase al día sobre lo último en visión por computadora y aprendizaje profundo, con código incluido. ⭐ ¡Apoye el desarrollo de la inteligencia visual!
SONAR, un nuevo espacio de incrustación de oraciones multilingüe y multimodal de tamaño fijo, con un conjunto completo de codificadores y decodificadores de voz y texto.
Sobre el misterio oculto de OCR en grandes modelos multimodales (OCRBench)
🍃 MINT-1T: Un conjunto de datos multimodal entrelazado de un billón de tokens.
[CVPR 2023 Highlight & IJCV 2026] GRES: Segmentación Generalizada de Expresiones de Referencia
Conjunto de datos de texto y video a gran escala. 10 millones de vídeos cortos subtitulados.
[CVPR 2024] OneLLM: Un Framework para Alinear Todas las Modalidades con el Lenguaje
Modelo multimodal para datos de texto y tabulares con transformadores de HuggingFace como bloque de construcción para datos de texto
[NeurIPS 2021] Benchmarks multiescala para el aprendizaje de representación multimodal
Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Una lista curada de recursos increíbles de visión y lenguaje (aún en construcción... ¡mantente atento!)
Una encuesta sobre generación aumentada por recuperación multimodal
Artículos ICASSP 2023-2024: Una colección completa de artículos de investigación influyentes y emocionantes de las conferencias ICASSP 2023-24. Explore los últimos avances en acústica, voz y procesamiento de señales. Código incluido. ¡Marca el repositorio para apoyar el avance del procesamiento de audio y señales!
[ICCV 2023 & TPAMI 2025] MeViS: Un punto de referencia a gran escala para la segmentación de video con expresiones de movimiento
seguimiento de artículos, conjuntos de datos y modelos de "modelo de lenguaje grande (LLM) para series temporales"
Preguntas frecuentes
¿Cuál es el repositorio de #multimodal-learning más popular en GitHub?
El proyecto de código abierto de #multimodal-learning mejor posicionado en GitHub es apple-aiml-research/ml-ferret, con 8,646 estrellas.
¿Qué lenguajes de programación se utilizan más en los repositorios de #multimodal-learning?
Entre los proyectos de #multimodal-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, HTML.
¿Cómo se calcula la clasificación de los repositorios de #multimodal-learning?
Seguimos 35 repositorios activos de código abierto etiquetados con #multimodal-learning (500+ estrellas), que suman un total de 63,371 estrellas, con una media de 1,810 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.