#multi-modal Repository
Scopri 47 repository GitHub open source attivi contrassegnati con #multi-modal, che raccolgono un totale di 208,313 stelle (con una media di 4,432 stelle per progetto). Il progetto leader di questo argomento è agentscope-ai/agentscope, con 36,422 stelle.
47 repository in totale
Crea e avvia agenti che puoi vedere, comprendere e in cui puoi avere fiducia.
[CVPR 2024 Oral] InternVL Family: Un'alternativa open-source pionieristica a GPT-4o. Un modello di dialogo multimodale open-source con prestazioni vicine a GPT-4o.
Lo spazio di lavoro AI per esperti. Passa da un modello all’altro tra oltre 800 modelli durante la chat, regola più di 40 parametri e affianca i modelli Beam per confrontarli. Usa le tue chiavi e ospitalo autonomamente. Basato sul nostro motore a protocollo nativo: affidabile, altamente configurabile e veloce.
un modello linguistico visivo aperto all'avanguardia | modello pre-addestrato multimodale
Versione cinese di CLIP che ottiene il recupero cross-modale e la generazione di rappresentazioni in cinese.
Implementazione / replica di DALL-E, il trasformatore Text to Image di OpenAI, in Pytorch
Toolkit di valutazione open-source per modelli multimodali di grandi dimensioni (LMM), supporta 220+ LMM, 80+ benchmark
[EMNLP 2022] Un toolkit aperto per l'estrazione e la costruzione di grafi di conoscenza
OmniGen: Generazione Unificata di Immagini. https://arxiv.org/pdf/2409.11340
Modello linguistico conversazionale multimodale cinese e inglese | Modello linguistico di dialogo bilingue cinese-inglese multimodale
Una libreria C#/.NET per eseguire in modo efficiente LLM (🦙LLaMA/LLaVA) sul tuo dispositivo locale.
Ecosistema di assistente AI open source con integrazioni MCP, flussi di lavoro multimodali, supporto IoT e interazione vocale multipiattaforma.
【EMNLP 2024🔥】Video-LLaVA: Apprendimento di una Rappresentazione Visiva Unificata tramite Allineamento prima della Proiezione
Pagina del progetto per "LISA: Reasoning Segmentation via Large Language Model"
Una raccolta di classici industriali e articoli all'avanguardia nei settori raccomandazione/pubblicità/ricerca. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
[NeurIPS 2023] MotionGPT: movimento umano come lingua straniera, un modello unificato di generazione di movimento-lingua che utilizza LLM
Un'interfaccia GPT robusta e all-in-one per Discord. Conversazioni in stile ChatGPT, generazione di immagini, moderazione AI, indici/knowledge base personalizzati, riassuntore di YouTube e altro ancora!
Implementazione Pytorch di Transfusion, "Prevedi il prossimo token e diffondi immagini con un unico modello multimodale" da MetaAI
Ingegneria dei dati per modelli di grandi dimensioni: Architettura, algoritmi e pratica di progetto
[pip install medmnist] 18 set di dati standardizzati per la classificazione di immagini biomediche 2D e 3D
Questo repository raccoglie articoli per "A Survey on Knowledge Distillation of Large Language Models". Suddividiamo KD in Estrazione della Conoscenza e Algoritmi di Distillazione, ed esploriamo la Distillazione per Abilità e Verticale degli LLM.
FarmVibes.AI: Modelli ML GeoSpaziali Multi-Modali per l'Agricoltura e la Sostenibilità
【ICLR 2024🔥】 Estensione del pre-addestramento video-linguaggio a N-modalità tramite allineamento semantico basato sul linguaggio
Utilizza modelli multimodali a interazione tardiva come ColPali in poche righe di codice.
[CVPR 2026🔥] 🧑🎨 OmniLottie, un generatore di animazioni vettoriali multimodali open‑source che produce file JSON Lottie.
Pipeline OCR multimodale ottimizzata per l'addestramento ML (testo, figure, matematica, tabelle, diagrammi)
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Modellazione unificata del mondo consapevole della geometria
Generazione parallela di film AI guidata da DAG multi-modello — accelerazione parallela scala con l'indipendenza della scena; Genera scene di film simultaneamente invece di una alla volta; "Trasformare il grafo di esecuzione della generazione audiovisiva dall'ordine topologico alla programmazione ottimale del percorso critico"; L'unico motore di generazione audiovisiva che modella le dipendenze narrative della scena come DAG e guida la programmazione parallela con algoritmo CPM
Democratizzazione di RT-2 „RT-2: Il nuovo modello traduce visione e linguaggio in azione“
🌐 Modelli di visione, linguaggio e azione per la guida autonoma: passato, presente e futuro
FashionCLIP è un modello simile a CLIP ottimizzato per il dominio della moda.
🔥🔥🔥[AAAI 2026 Oral] Implementazione Ufficiale di Robust‑R1: Ragionamento Sensibile alla Degradazione per la Comprensione Visiva Robusta
Domande frequenti
Qual è il repository #multi-modal più popolare su GitHub?
Il progetto open source #multi-modal più alto in classifica su GitHub è agentscope-ai/agentscope, con 36,422 stelle. Crea e avvia agenti che puoi vedere, comprendere e in cui puoi avere fiducia.
Quali linguaggi di programmazione sono più utilizzati nei repository #multi-modal?
Tra i progetti #multi-modal più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, C++.
Come viene calcolata la classifica dei repository #multi-modal?
Monitoriamo 47 repository open source attivi contrassegnati con #multi-modal (500+ stelle), per un totale di 208,313 stelle e una media di 4,432 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.