#multimodal-ai Repository
191 repository in totale
VeOmni: Scalare l'addestramento di modelli di qualsiasi modalitร con una libreria distribuita di ricette incentrata sul modello
Awesome-LLM-3D: un elenco curato di modelli linguistici di grandi dimensioni multimodali nel mondo 3D Risorse
Repository ufficiale di 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuningโ
Large Language-and-Vision Assistant per la Biomedicina, costruito verso capacitร multimodali di livello GPT-4.
ใLLMs Nove Livelli Torre DemoneใCondivisione di esperienze pratiche e conoscenze su LLMs in campi come l'elaborazione del linguaggio naturale (ChatGLM, Chinese-LLaMA-Alpaca, Xiaoyangtuo Vicuna, LLaMA, GPT4ALL, ecc.), recupero delle informazioni (langchain), sintesi vocale, riconoscimento vocale, multimodale (Stable Diffusion, MiniGPT-4, VisualGLM-6B, Ziya-Visual, ecc.).
Estrai dati strutturati e approfondimenti dai documenti utilizzando modelli linguistici di grandi dimensioni e modelli decisionali
Il repository ufficiale della chat Qwen2-Audio e del modello linguistico audio di grandi dimensioni preaddestrato proposto da Alibaba Cloud.
Ricette per rimpicciolire, ottimizzare e personalizzare modelli di visione all'avanguardia. ๐
Il Blueprint AI di NVIDIA per la ricerca e il riepilogo video (VSS) รจ un'architettura di riferimento accelerata da GPU per costruire agenti di analisi video con avvisi verificati in tempo reale, domande e risposte visive e report automatizzati. Il Blueprint VSS utilizza modelli di linguaggio visivo (VLM) come NVIDIA Cosmos, LLM come NVIDIA Nemotron, RAG e NVIDIA NIM.
Ricerca semantica. Cerca foto e video locali tramite linguaggio naturale. Ricerca semantica AI di materiale locale. Cerca per immagine, trova materiale locale, abbina scene tramite descrizioni testuali, ricerca frame video, cerca video tramite descrizioni di scene.
Chatbot Ollama รจ un'interfaccia utente di chat open source per Ollama.
EVA OS โ Un AIOS multimodale in tempo reale per hardware di nuova generazione, che rende i tuoi dispositivi "vivi" e intelligenti quanto un cervello vero.
OpenGUI รจ un framework di agenti GUI per Android destinato all'IA su smartphone, in grado di vedere, pianificare e utilizzare app mobili reali attraverso l'interfaccia grafica.
TorchMultimodal รจ una libreria PyTorch per l'addestramento di modelli multimodali multi-task all'avanguardia su larga scala.
Server di inferenza LLM ad alte prestazioni compatibile con OpenAI e Anthropic per Apple Silicon. MLX nativo, batching continuo, modelli multimodali, chiamate di strumenti MCP e supporto per Claude Code.
Ragflow-Plus รจ una versione di sviluppo secondario di Ragflow, che lo rende piรน conciso e pratico
Raccogli alcuni articoli sui transformer per il rilevamento e la segmentazione. Awesome Detection Transformer per la Computer Vision (CV)
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.
๐ฐ Articoli e blog imperdibili su Speculative Decoding โก๏ธ
Il tuo agente Android autonomo aperto โ un assistente AI pronto per la produzione, auto-pianificante, alimentato da LLM locali/remoti e automazione dello schermo basata sull'accessibilitร .
OpenTSLM: Modelli linguistici di serie temporali per il ragionamento su dati multivariati di testo medico e serie temporali
Il repository GitHub ufficiale per l'articolo di rassegna "A Survey on Diffusion Language Models".