#mllm Repository
Scopri 39 repository GitHub open source attivi contrassegnati con #mllm, che raccolgono un totale di 95,941 stelle (con una media di 2,460 stelle per progetto). Il progetto leader di questo argomento è microsoft/unilm, con 22,247 stelle.
39 repository in totale
Pre-allenamento auto-supervisionato su larga scala attraverso compiti, lingue e modalità
[NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
[CVPR'25] Implementazioni Ufficiali per Paper - MagicQuill: Un Sistema Intelligente Interattivo di Editing di Immagini
Codice e modelli per il paper ICML 2024, NExT-GPT: Modello linguistico multimodale di grandi dimensioni Any-to-Any
InternLM-XComposer2.5-OmniLive: Un sistema multimodale completo per interazioni audio e video in streaming a lungo termine
mPLUG-DocOwl: Modello linguistico multimodale modulare di grandi dimensioni per la comprensione dei documenti
Cambrian-1 è una famiglia di LLM multimodali con un design incentrato sulla visione.
🚀🚀🚀 Una raccolta di alcuni fantastici progetti della serie YOLO per il rilevamento di oggetti pubblici e i relativi set di dati per il rilevamento di oggetti.
Repository ufficiale per la codebase di Pixel-LLM: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1ª soluzione per LSVOS)
Catalogo visivo selezionato di oltre 200 architetture di modelli visione-linguaggio (VLM/MLLM): articoli, diagrammi, ricette di addestramento, set di dati e cronologia dei rilasci degli agenti IA multimodali.
Framework completamente aperto per l'addestramento multimodale democratizzato
OpenEMMA, una "riproduzione" open source con licenza permissiva del modello EMMA di Waymo.
[NeurIPS' 2025] JarvisArt: Liberare la creatività artistica umana tramite un agente intelligente per il ritocco fotografico
[CVPR2024] Il codice per "Osprey: Pixel Understanding with Visual Instruction Tuning"
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Un agente intelligente di visione artificiale che può magicamente ripristinare qualsiasi immagine in perfetti 4K!
[NeurIPS 2025 spotlight] Implementazione ufficiale di "FutureSightDrive: Pensare visivamente con CoT spazio-temporale per la guida autonoma"
🚀🚀🚀Una raccolta di alcuni fantastici progetti pubblici su Large Language Model (LLM), Vision Language Model (VLM), Vision Language Action (VLA), AI Generated Content (AIGC), i relativi Dataset e Applicazioni.
Questo è un repository per l'elenco di articoli sulla generazione e applicazione di grafi di scena.
Progetto Personale: MPP-Qwen14B & MPP-Qwen-Next (Multimodal Pipeline Parallelism basato su Qwen-LM). Supporta [video/image/multi-image] {sft/conversations}. Non lasciare che la povertà limiti la tua immaginazione! Addestra il tuo MLLM in stile LLaVA-training da 8B/14B su RTX3090/4090 24GB.
✨✨Woodpecker: Correzione delle allucinazioni per modelli linguistici di grandi dimensioni multimodali
[ICLR 2025] FakeShield: Rilevamento e localizzazione spiegabile di falsificazioni di immagini tramite modelli linguistici multimodali di grandi dimensioni
Emotion-LLaMA: Riconoscimento e Ragionamento Emotivo Multimodale con Fine-Tuning Istruzionale
[ICLR2026] Implementazione ufficiale per "JanusVLN: Decoupling Semantica e Spazialità con Memoria Implicita Duale per la Navigazione Visione-Lingua"
Nodi ComfyUI per modelli vision-language: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Include inoltre rilevamento a vocabolario aperto, segmentazione SAM2/SAM3, ragionamento temporale video, GGUF tramite llama.cpp e API LLM/VLM ospitate.
[ECCV2024] Modello linguistico multimodale ampio e fondato con tokenizzazione visiva localizzata
NeurIPS 2024 Paper: Un LLM visivo unificato a livello di pixel per comprendere, generare, segmentare, modificare
Codice ufficiale di OpenVLHarness: uso di strumenti da parte di agenti visivi nel mondo reale con memoria multimodale
Fantastica modellazione multimodale [Copre MLLM, UMM e NMM]
🔥🔥🔥 Un elenco curato di articoli sulla generazione multimodale basata su LLM (image, video, 3D e audio).
Un motore di inferenza interamente basato su Rust per LLM, VLM, VLA, TTS e OCR, basato su Candle e Rust. Un’alternativa a llama.cpp, molto più semplice e pulita.
[Awesome-Spatial-VLMs] Questo repository è la risorsa ufficiale, gestita dalla community, per l'articolo di rassegna: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey;
Domande frequenti
Qual è il repository #mllm più popolare su GitHub?
Il progetto open source #mllm più alto in classifica su GitHub è microsoft/unilm, con 22,247 stelle. Pre-allenamento auto-supervisionato su larga scala attraverso compiti, lingue e modalità
Quali linguaggi di programmazione sono più utilizzati nei repository #mllm?
Tra i progetti #mllm più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Markdown, JavaScript.
Come viene calcolata la classifica dei repository #mllm?
Monitoriamo 39 repository open source attivi contrassegnati con #mllm (500+ stelle), per un totale di 95,941 stelle e una media di 2,460 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.