#multi-modal Dépôts
Découvrez 47 dépôts GitHub open source actifs associés à #multi-modal, cumulant 208,313 étoiles au total (soit une moyenne de 4,432 étoiles par projet). Le projet en tête de ce thème est agentscope-ai/agentscope, avec 36,422 étoiles.
47 dépôts au total
Créez et exécutez des agents que vous pouvez voir, comprendre et faire confiance.
[CVPR 2024 Oral] InternVL Family : Une alternative open-source pionnière à GPT-4o. Un modèle de dialogue multimodal open-source aux performances proches de GPT-4o.
Traitement des données pour et avec des modèles fondamentaux ! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷
L’espace de travail IA pour les experts. Passez d’un modèle à l’autre parmi plus de 800 en cours de conversation, ajustez plus de 40 paramètres et comparez les modèles Beam côte à côte. Utilisez vos propres clés et hébergez-le vous-même. Construit sur notre moteur de protocole natif : fiable, hyperconfigurable et rapide.
Version chinoise de CLIP qui permet la récupération intermodale et la génération de représentations en chinois.
Implémentation / réplication de DALL-E, le Transformer Texte vers Image d'OpenAI, en Pytorch
Boîte à outils d'évaluation open-source pour les grands modèles multimodaux (LMM), prend en charge plus de 220 LMM et plus de 80 benchmarks
[EMNLP 2022] Un kit d'outils ouvert pour l'extraction et la construction de graphes de connaissances
Modèle linguistique conversationnel multimodal chinois et anglais | Modèle linguistique de dialogue bilingue chinois-anglais multimodal
Une bibliothèque C#/.NET pour exécuter efficacement des LLM (🦙LLaMA/LLaVA) sur votre appareil local.
Écosystème d'assistant IA open source avec intégrations MCP, workflows multimodaux, support IoT et interaction vocale multiplateforme.
【EMNLP 2024🔥】Video-LLaVA : Apprentissage d'une Représentation Visuelle Unifiée par Alignement avant Projection
Page du projet pour "LISA: Segmentation par raisonnement via un grand modèle linguistique"
Une collection d'articles classiques et de pointe de l'industrie dans les domaines de la recommandation/de la publicité/de la recherche. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
[NeurIPS 2023] MotionGPT : le mouvement humain comme une langue étrangère, un modèle unifié de génération de mouvement-langage utilisant les LLM
Une interface GPT robuste tout-en-un pour Discord. Conversations de style ChatGPT, génération d'images, modération par IA, index/base de connaissances personnalisés, résumeur YouTube, et plus encore !
Implémentation Pytorch de Transfusion, "Prédire le prochain token et diffuser des images avec un seul modèle multimodal" par MetaAI
Ingénierie des données pour les grands modèles : Architecture, algorithmes et pratique de projet
[pip install medmnist] 18 jeux de données standardisés pour la classification d'images biomédicales 2D et 3D
Ce dépôt rassemble des articles pour "A Survey on Knowledge Distillation of Large Language Models". Nous décomposons la KD en Élicitation des Connaissances et Algorithmes de Distillation, et explorons la Distillation par Compétence et Verticale des LLM.
FarmVibes.AI : Modèles ML Géospatiaux Multi-Modaux pour l'Agriculture et la Durabilité
【ICLR 2024🔥】 Extension du pré-entraînement vidéo-langage à N modalités par alignement sémantique basé sur le langage
Utilisez des modèles multimodaux à interaction tardive tels que ColPali en quelques lignes de code.
[CVPR 2026🔥] 🧑🎨 OmniLottie, un générateur d'animation vectorielle multimodale open‑source qui produit des fichiers JSON Lottie.
Pipeline OCR multimodale optimisée pour l'entraînement ML (texte, figures, mathématiques, tableaux, diagrammes)
[ICCV 2025 & ICCV 2025 RIWM Prix du Meilleur Article] Aether : Modélisation unifiée du monde consciente de la géométrie
Génération parallèle de films IA pilotée par DAG multi-modèle — accélération parallèle évolue avec l'indépendance des scènes ; Générer les scènes de film simultanément au lieu de les faire une par une ; "Transformer le graphe d'exécution de la génération audiovisuelle de l'ordre topologique vers une planification optimale du chemin critique" ; Le seul moteur de génération de films qui modélise les dépendances narratives des scènes comme un DAG et pilote la planification parallèle avec l'algorithme CPM
Démocratisation de RT-2 « RT-2 : Nouveau modèle traduisant la vision et le langage en action »
🌐 Modèles de vision, langage et action pour la conduite autonome : passé, présent et avenir
FashionCLIP est un modèle similaire à CLIP affiné pour le domaine de la mode.
🔥🔥🔥[AAAI 2026 Oral] Mise en œuvre officielle de Robust‑R1: Raisonnement sensible à la dégradation pour une compréhension visuelle robuste
Foire aux questions
Quel est le dépôt #multi-modal le plus populaire sur GitHub ?
Le projet #multi-modal open source le mieux classé sur GitHub est agentscope-ai/agentscope, avec 36,422 étoiles. Créez et exécutez des agents que vous pouvez voir, comprendre et faire confiance.
Quels langages de programmation sont les plus utilisés dans les dépôts #multi-modal ?
Parmi les projets #multi-modal les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, C++.
Comment le classement des dépôts #multi-modal est-il calculé ?
Nous suivons 47 dépôts open source actifs associés à #multi-modal (500+ étoiles), totalisant 208,313 étoiles, avec une moyenne de 4,432 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.