#multi-modal-ai Repository
Scopri 37 repository GitHub open source attivi contrassegnati con #multi-modal-ai, che raccolgono un totale di 152,489 stelle (con una media di 4,121 stelle per progetto). Il progetto leader di questo argomento è Lordog/dive-into-llms, con 55,949 stelle.
37 repository in totale
Tutorial di programmazione della serie "Immergi nei LLM: impara i modelli linguistici di grandi dimensioni"
[NeurIPS 2023] Implementazione ufficiale del paper "Segment Everything Everywhere All at Once"
Un'applicazione assistente desktop fluttuante universale multimodale e multimodel per la generazione di query AI globale e onnicomprensiva
Questo progetto è una raccolta di script di flusso di lavoro DSL implementata sul progetto open-source dify.
VILA è una famiglia di modelli visivi linguistici (VLM) all'avanguardia per diversi compiti di intelligenza artificiale multimodale su edge, data center e cloud.
Grounded SAM 2: Traccia e individua qualsiasi cosa nei video con Grounding DINO, Florence-2 e SAM 2
Un progetto di riferimento per sviluppatori per la creazione di chatbot Retrieval Augmented Generation (RAG) su Windows utilizzando TensorRT-LLM
Fogsight è un agente AI e un motore di animazione basato su Large Language Models.
Elenco di articoli sui sistemi di modelli linguistici di grandi dimensioni (LLM)
RDT-1B: un modello di fondazione a diffusione per la manipolazione bimanuale
Un agente conversazionale incarnato auto-migliorante, integrato in modo trasparente nel sistema operativo per automatizzare le nostre attività quotidiane.
Codice per l'articolo "ViperGPT: Inferenza Visiva tramite Esecuzione Python per il Ragionamento"
Un pacchetto Python che semplifica la creazione di app AI alimentate da vari provider AI per gli sviluppatori.
un framework aperto per la navigazione dei non vedenti basato su ESP32
ELLA: Dotare i modelli di diffusione di LLM per un migliore allineamento semantico
Un'applicazione web per chattare con personaggi AI che chiunque può facilmente configurare e distribuire.
Crea applicazioni di intelligenza artificiale in grado di vedere, sentire e parlare utilizzando i tuoi schermi, microfoni e fotocamere come input.
GigaModels: Un repository e una piattaforma completa per modelli multimodali, generativi e percettivi
Un sostituto drop-in compatibile con API per il framework Foundation Models di Apple con supporto per provider di modelli linguistici personalizzati.
Libreria di inferenza ufficiale per il pre-processing dei modelli Mistral
[CVPR 2024] LMDrive: Guida end-to-end a circuito chiuso con modelli linguistici di grandi dimensioni
LLaMA-VID: Un'immagine vale 2 token nei modelli linguistici di grandi dimensioni (ECCV 2024)
[EMNLP 2025] ViDoRAG: Generazione aumentata da recupero di documenti visivi tramite agenti di ragionamento iterativo dinamico
[NeurIPS 2023] Uni-ControlNet: Controllo all-in-one per modelli di diffusione da testo a immagine
L'integrazione di successo della serie Qwen3-VL-Instruct nella piattaforma ComfyUI ha permesso un funzionamento senza intoppi, supportando (ma non limitandosi a) richieste basate su testo, richieste video, richieste con una sola immagine e richieste con più immagini per generare didascalie o risposte.
Domande frequenti
Qual è il repository #multi-modal-ai più popolare su GitHub?
Il progetto open source #multi-modal-ai più alto in classifica su GitHub è Lordog/dive-into-llms, con 55,949 stelle. Tutorial di programmazione della serie "Immergi nei LLM: impara i modelli linguistici di grandi dimensioni"
Quali linguaggi di programmazione sono più utilizzati nei repository #multi-modal-ai?
Tra i progetti #multi-modal-ai più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, JavaScript.
Come viene calcolata la classifica dei repository #multi-modal-ai?
Monitoriamo 37 repository open source attivi contrassegnati con #multi-modal-ai (500+ stelle), per un totale di 152,489 stelle e una media di 4,121 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.