Git Stars Git Stars

#multimodal-ai Dépôts

191
Total des Dépôts
589,873
Nombre total d'étoiles
3,088
Moyenne d'Étoiles/Dépôt
153
stepfun-ai/NextStep-1

[🚀 ICLR 2026 Oral] NextStep-1 : Génération d'images Autogressive de pointe avec des jetons continus. Un projet de recherche développé par l'équipe d'Intelligence Multimodale de StepFun.

stepfun-ai
⭐ 696 Python 👤 stepfun-ai Organization 🕐 Mis à jour 2026-02-27 📅 Créé 2025-08-14
154
Yaofang-Liu/Pusa-VidGen

Pusa : Modèle de diffusion vidéo à des milliers de pas de temps

Yaofang-Liu
⭐ 685 Python 👤 Yaofang-Liu User 🕐 Mis à jour 2026-02-13 📅 Créé 2025-03-25
155
AlexZhangji/Twitter-Insight-LLM

Scraping de données Twitter, recherche d'images basée sur l'intégration et plus encore.

AlexZhangji
⭐ 685 Jupyter Notebook 👤 AlexZhangji User 🕐 Mis à jour 2024-04-17 📅 Créé 2024-03-05
156
gregsadetsky/sagittarius

Un outil d'exploration vocale/vidéo GPT-4/Gemini

gregsadetsky
⭐ 685 TypeScript 👤 gregsadetsky User 🕐 Mis à jour 2024-01-26 📅 Créé 2023-12-11
157
inclusionAI/Ming

Ming - facilitant les capacités avancées de compréhension et de génération multimodales construites sur le Ling LLM.

inclusionAI
⭐ 683 Jupyter Notebook 👤 inclusionAI Organization 🕐 Mis à jour 2026-07-27 📅 Créé 2025-04-21
158
ATH-MaaS/Agentic-ADK

Agentic ADK est un framework de développement d'applications d'agents lancé par Alibaba International AI Business, basé sur Google-ADK et Ali-LangEngine.

ATH-MaaS
⭐ 683 Java 👤 ATH-MaaS Organization 🕐 Mis à jour 2025-11-24 📅 Créé 2024-11-08
159
pfrankov/obsidian-local-gpt

Assistance locale Ollama et GPT de type OpenAI pour une confidentialité maximale et un accès hors ligne

pfrankov
⭐ 678 TypeScript 👤 pfrankov User 🕐 Mis à jour 2026-10-26 📅 Créé 2023-12-03
161
zstar1003/FreeTex

Un logiciel gratuit de reconnaissance intelligente de formules

zstar1003
⭐ 668 Python 👤 zstar1003 User 🕐 Mis à jour 2026-11-17 📅 Créé 2025-05-04
162
snap-research/Panda-70M

[CVPR 2024] Panda-70M : Légender 70 millions de vidéos avec de multiples professeurs cross-modalité

snap-research
⭐ 659 Python 👤 snap-research Organization 🕐 Mis à jour 2024-10-25 📅 Créé 2024-02-14
163
videosdk-live/agents

Framework open source pour le développement d'agents d'IA conversationnels multimodaux en temps réel.

videosdk-live
⭐ 657 Python 👤 videosdk-live Organization 🕐 Mis à jour 2026-08-07 📅 Créé 2025-05-02
164
yhLeeee/Awesome-LLMs-in-Graph-tasks

Une collection organisée d'articles de recherche explorant l'utilisation des LLM pour des tâches liées aux graphes.

yhLeeee
⭐ 657 👤 yhLeeee User 🕐 Mis à jour 2025-03-21 📅 Créé 2023-11-17
166
bytedance/comfyui-lumi-batcher

ComfyUI Lumi Batcher est un plugin d'extension de traitement par lots conçu pour ComfyUI, visant à améliorer l'efficacité du débogage des flux de travail. Les méthodes de débogage traditionnelles nécessitent d'ajuster les paramètres un par un, tandis que cet outil améliore considérablement l'efficacité du travail grâce à ses capacités de traitement par lots.

bytedance
⭐ 651 TypeScript 👤 bytedance Organization 🕐 Mis à jour 2026-10-10 📅 Créé 2025-05-29
167
Alpha-VLLM/Lumina-mGPT

Implémentation officielle de "Lumina-mGPT: Illuminez la génération photoréaliste flexible de texte à image avec un pré-entraînement génératif multimodal"

Alpha-VLLM
⭐ 648 Python 👤 Alpha-VLLM Organization 🕐 Mis à jour 2025-10-16 📅 Créé 2024-08-02
⭐ 647 Python 👤 Visual-Agent Organization 🕐 Mis à jour 2026-02-26 📅 Créé 2025-10-31
169
CY-CHENYUE/ComfyUI-Janus-Pro

Nœuds ComfyUI pour Janus-Pro, un framework unifié de compréhension et de génération multimodale.

CY-CHENYUE
⭐ 647 Python 👤 CY-CHENYUE User 🕐 Mis à jour 2025-01-30 📅 Créé 2025-01-27
170
mit-han-lab/hart

HART: Génération visuelle efficace avec Transformer autorégressif hybride

mit-han-lab
⭐ 647 Python 👤 mit-han-lab Organization 🕐 Mis à jour 2024-10-16 📅 Créé 2024-10-08
171
SpursGoZmy/Awesome-Tabular-LLMs

Nous collectons des articles sur les « grands modèles linguistiques (LLM) pour les tâches liées aux tableaux », par exemple, l'utilisation de LLM pour la tâche Table QA. Collecte d'articles sur « Table + LLM »

SpursGoZmy
⭐ 640 👤 SpursGoZmy User 🕐 Mis à jour 2026-04-09 📅 Créé 2023-06-28
173
PromtEngineer/localGPT-Vision

Discutez avec vos documents à l'aide de modèles de langage visuels. Ce dépôt met en œuvre un pipeline RAG de bout en bout avec des VLM locaux et propriétaires.

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 Mis à jour 2025-07-26 📅 Créé 2024-10-01
174
iSEE-Laboratory/LLMDet

(Highlight CVPR 2025✨) Dépôt officiel du papier "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"

iSEE-Laboratory
⭐ 628 Python 👤 iSEE-Laboratory Organization 🕐 Mis à jour 2026-02-04 📅 Créé 2025-01-30
175
Ucas-HaoranWei/Vary-toy

Implémentation officielle du code de Vary-toy (Small Language Model rencontre Reinforced Vision Vocabulary)

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 Mis à jour 2024-12-30 📅 Créé 2024-01-10
176
microsoft/CLAP

Apprentissage des concepts audio à partir de la supervision du langage naturel

microsoft
⭐ 625 Python 👤 microsoft Organization 🕐 Mis à jour 2024-09-18 📅 Créé 2022-11-02
177
vb000/LookOnceToHear

Une nouvelle méthode d'interaction humaine pour l'extraction de la parole en temps réel sur des écouteurs.

vb000
⭐ 615 Python 👤 vb000 User 🕐 Mis à jour 2026-07-22 📅 Créé 2024-05-10
178
thu-coai/Glyph

Dépôt officiel pour « Glyph : Mise à l'échelle des fenêtres de contexte via la compression visuelle et textuelle »

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 Mis à jour 2025-11-04 📅 Créé 2025-10-20
180
levyflux/AViD

Framework qui permet le réglage fin des modèles d'ancrage vision-langage sur des ensembles de données personnalisés

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Mis à jour 2026-08-30 📅 Créé 2025-03-19
181
yushangxiao/claude2api

Transformer le service web de Claude en un service API, prenant en charge la reconnaissance d'images, le téléversement de fichiers, la sortie de réflexion...

yushangxiao
⭐ 606 Go 👤 yushangxiao User 🕐 Mis à jour 2025-07-01 📅 Créé 2025-03-25
⭐ 604 Jupyter Notebook 👤 generative-ai-on-aws Organization 🕐 Mis à jour 2024-10-09 📅 Créé 2023-08-24
184
hkproj/pytorch-paligemma

Codage d'un modèle linguistique multimodal (Vision) à partir de zéro dans PyTorch avec explication complète : https://www.youtube.com/watch?v=vAmKB7iPkWw

hkproj
⭐ 579 Python 👤 hkproj User 🕐 Mis à jour 2024-12-06 📅 Créé 2024-07-13
186
fufankeji/DeepSeek-OCR-Web

Web Studio d'analyse de documents OCR DeepSeek prêt à l'emploi

fufankeji
⭐ 568 TypeScript 👤 fufankeji User 🕐 Mis à jour 2025-10-27 📅 Créé 2025-10-23
187
unconv/gpt4v-browsing

Web Scraping avec l'API GPT-4 Vision et Puppeteer

unconv
⭐ 563 JavaScript 👤 unconv User 🕐 Mis à jour 2024-01-31 📅 Créé 2023-11-24
189
luogen1996/LaVIN

Implémentations officielles de "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 Mis à jour 2024-01-27 📅 Créé 2023-05-15
190
SmartFlowAI/Llama3-Tutorial

Llama3-Tutorial (XTuner, LMDeploy, OpenCompass)

SmartFlowAI
⭐ 511 Python 👤 SmartFlowAI Organization 🕐 Mis à jour 2024-05-10 📅 Créé 2024-04-19