#multimodal-ai Repository
191 repository in totale
Questo repository รจ la prima indagine completa sul Segment Anything Model (SAM) di Meta AI.
Il Google Gen AI Go SDK fornisce un'interfaccia per gli sviluppatori per integrare i modelli generativi di Google nelle loro applicazioni Go.
Kimi-VL: Modello Vision-Language Mixture-of-Experts per il Ragionamento Multimodale, la Comprensione del Lungo Contesto e Forti Capacitร di Agente
Codice per 3D-LLM: Iniettare il mondo 3D nei modelli linguistici di grandi dimensioni
Una soluzione AIGC multimodale open-source basata su ComfyUI + MCP + LLM https://pixelle.ai
attacchi di ridimensionamento delle immagini per l'iniezione di prompt multimodali
Agente AI che utilizza GPT-4V(ision) in grado di utilizzare mouse/tastiera per interagire con l'interfaccia utente web
[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- il primo agente web basato su LLM e benchmark per agenti web generalisti
Il kit di avvio ufficiale per il Nano Banana Hackathon. Clona questo repository per iniziare a costruire velocemente!
[TPAMI 2026] ConsistentID: Generazione di Rittratti con Preservazione dell'Identitร Fine-Granulare Multimodale
Xiaoyao Search: Comprende le tue parole, legge le tue immagini e trova qualsiasi file locale con l'IA, rendendo la ricerca semplice come una chat.
Un modello per un assistente AI sempre attivo alimentato da Deepseek-V3, RealtimeSTT e Typer per l'ingegneria
Risorse, esempi e tutorial per IA multimodale, RAG e agenti che utilizzano la ricerca vettoriale e gli LLM
Distribuisci un sito web di chat multimodale Gemini in 10 secondi, Serverless! Devi solo preparare una Gemini API Key, e in 10 secondi potrai distribuire un sito web per la conversazione multimodale Gemini.
Codice di inferenza per l'articolo "Spirit-LM Interleaved Spoken and Written Language Model".
SEED-Story: Generazione di lunghe storie multimodali con Large Language Model
Recenti lavori basati su LLM per CV e correlati. Benvenuti a commentare/contribuire!
[NeurIPS 2023] Implementazione ufficiale del paper "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"
MiniGPT-4 Implementazione cinese Traduzione Dettagli di implementazione perfezionati
Il piรน grande repository GitHub al mondo per LLMs + Robotica
Estendere OpenRLHF per supportare l'addestramento LMM RL per la riproduzione di DeepSeek-R1 su attivitร multimodali.
[Versione estesa ICLR 2025 Blog Track] Anole: Modelli multimodali aperti, autoregressivi e nativi per la generazione di immagini-testo intercalate
Implementazione ufficiale dell'algoritmo del paper ICML'23 "VIMA: Manipolazione Robotica Generale con Prompt Multimodali"
Una serie di modelli da 11B a pesi aperti per la comprensione di video di lunga durata e in tempo reale
Implementazione ufficiale di UnifiedReward e [NeurIPS 2025] UnifiedReward-Think e UnifiedReward-Flex
Cosmos-Transfer1 รจ un modello di trasferimento da mondo a mondo progettato per colmare il divario percettivo tra ambienti simulati e reali.
[Manutenzione interrotta] Strumento di aggregazione di conversazioni LLM API. Repository del progetto originale: https://github.com/KouriChat/KouriChat Questo progetto รจ stato modificato e creato da iwyxdxl sulla base del progetto originale. ร solo per scopi di apprendimento; si prega di rispettare le condizioni d'uso, non collegarlo a piattaforme pubbliche nรฉ utilizzarlo in attivitร di produzione.
๐ฌ Una proposta per un'API web per il prompting di modelli linguistici forniti dal browser
DataComp: Alla ricerca della prossima generazione di set di dati multimodali
MM-EUREKA: Esplorare le frontiere del ragionamento multimodale con rinforzo basato su regole
[Repository Ufficiale] Visual Mamba: Una Panoramica e Nuove Prospettive
[ICCV 2023] Implementazione ufficiale del paper "A Simple Framework for Open-Vocabulary Segmentation and Detection"
I nodi disconnessi da [ComfyUI Layer Style](https://github.com/chflame163/ComfyUI_LayerStyle) sono principalmente quelli con requisiti complessi per i pacchetti di dipendenza.