Git Stars Git Stars

#multimodal-ai Repository

191
Totale Repository
589,873
Totale stelle
3,088
Media Stelle/Repo
โญ 715 Python ๐Ÿ‘ค SkunkworksAI Organization ๐Ÿ• Aggiornato 2024-03-06 ๐Ÿ“… Creato 2023-10-10
153
stepfun-ai/NextStep-1

[๐Ÿš€ ICLR 2026 Oral] NextStep-1: Generazione di immagini Autogressive SOTA con token continui. Progetto di ricerca sviluppato dal team di Intelligenza Multimodale di StepFun.

stepfun-ai
โญ 696 Python ๐Ÿ‘ค stepfun-ai Organization ๐Ÿ• Aggiornato 2026-02-27 ๐Ÿ“… Creato 2025-08-14
154
Yaofang-Liu/Pusa-VidGen

Pusa: Modello di diffusione video a migliaia di passaggi temporali

Yaofang-Liu
โญ 685 Python ๐Ÿ‘ค Yaofang-Liu User ๐Ÿ• Aggiornato 2026-02-13 ๐Ÿ“… Creato 2025-03-25
155
AlexZhangji/Twitter-Insight-LLM

Scraping di dati da Twitter, ricerca di immagini basata su embedding e altro ancora.

AlexZhangji
โญ 685 Jupyter Notebook ๐Ÿ‘ค AlexZhangji User ๐Ÿ• Aggiornato 2024-04-17 ๐Ÿ“… Creato 2024-03-05
156
gregsadetsky/sagittarius

Uno strumento di esplorazione vocale/video GPT-4/Gemini

gregsadetsky
โญ 685 TypeScript ๐Ÿ‘ค gregsadetsky User ๐Ÿ• Aggiornato 2024-01-26 ๐Ÿ“… Creato 2023-12-11
157
inclusionAI/Ming

Ming - facilita capacitร  avanzate di comprensione e generazione multimodale costruite sul Ling LLM.

inclusionAI
โญ 683 Jupyter Notebook ๐Ÿ‘ค inclusionAI Organization ๐Ÿ• Aggiornato 2026-07-27 ๐Ÿ“… Creato 2025-04-21
158
ATH-MaaS/Agentic-ADK

Agentic ADK รจ un framework di sviluppo di applicazioni agenti lanciato da Alibaba International AI Business, basato su Google-ADK e Ali-LangEngine.

ATH-MaaS
โญ 683 Java ๐Ÿ‘ค ATH-MaaS Organization ๐Ÿ• Aggiornato 2025-11-24 ๐Ÿ“… Creato 2024-11-08
159
pfrankov/obsidian-local-gpt

Assistenza locale Ollama e GPT simile a OpenAI per la massima privacy e l'accesso offline

pfrankov
โญ 678 TypeScript ๐Ÿ‘ค pfrankov User ๐Ÿ• Aggiornato 2026-10-26 ๐Ÿ“… Creato 2023-12-03
161
zstar1003/FreeTex

Un software gratuito e intelligente per il riconoscimento di formule

zstar1003
โญ 668 Python ๐Ÿ‘ค zstar1003 User ๐Ÿ• Aggiornato 2026-11-17 ๐Ÿ“… Creato 2025-05-04
162
snap-research/Panda-70M

[CVPR 2024] Panda-70M: Didascalia per 70 milioni di video con piรน insegnanti cross-modality

snap-research
โญ 659 Python ๐Ÿ‘ค snap-research Organization ๐Ÿ• Aggiornato 2024-10-25 ๐Ÿ“… Creato 2024-02-14
163
videosdk-live/agents

Framework open source per lo sviluppo di agenti IA conversazionali multimodali e in tempo reale.

videosdk-live
โญ 657 Python ๐Ÿ‘ค videosdk-live Organization ๐Ÿ• Aggiornato 2026-08-07 ๐Ÿ“… Creato 2025-05-02
164
yhLeeee/Awesome-LLMs-in-Graph-tasks

Una raccolta curata di articoli di ricerca che esplorano l'utilizzo di LLM per attivitร  relative ai grafi.

yhLeeee
โญ 657 ๐Ÿ‘ค yhLeeee User ๐Ÿ• Aggiornato 2025-03-21 ๐Ÿ“… Creato 2023-11-17
โญ 654 Python ๐Ÿ‘ค NVlabs Organization ๐Ÿ• Aggiornato 2026-03-03 ๐Ÿ“… Creato 2024-05-01
166
bytedance/comfyui-lumi-batcher

ComfyUI Lumi Batcher รจ un plugin di estensione per l'elaborazione batch progettato per ComfyUI, volto a migliorare l'efficienza del debug del flusso di lavoro. I metodi di debug tradizionali richiedono la regolazione dei parametri uno per uno, mentre questo strumento migliora significativamente l'efficienza del lavoro attraverso capacitร  di elaborazione batch.

bytedance
โญ 651 TypeScript ๐Ÿ‘ค bytedance Organization ๐Ÿ• Aggiornato 2026-10-10 ๐Ÿ“… Creato 2025-05-29
167
Alpha-VLLM/Lumina-mGPT

Implementazione ufficiale di "Lumina-mGPT: Illumina la generazione flessibile di immagini fotorealistiche da testo con pre-allenamento generativo multimodale"

Alpha-VLLM
โญ 648 Python ๐Ÿ‘ค Alpha-VLLM Organization ๐Ÿ• Aggiornato 2025-10-16 ๐Ÿ“… Creato 2024-08-02
โญ 647 Python ๐Ÿ‘ค Visual-Agent Organization ๐Ÿ• Aggiornato 2026-02-26 ๐Ÿ“… Creato 2025-10-31
169
CY-CHENYUE/ComfyUI-Janus-Pro

Nodi ComfyUI per Janus-Pro, un framework unificato per la comprensione e la generazione multimodale.

CY-CHENYUE
โญ 647 Python ๐Ÿ‘ค CY-CHENYUE User ๐Ÿ• Aggiornato 2025-01-30 ๐Ÿ“… Creato 2025-01-27
170
mit-han-lab/hart

HART: Generazione visiva efficiente con Transformer autoregressivo ibrido

mit-han-lab
โญ 647 Python ๐Ÿ‘ค mit-han-lab Organization ๐Ÿ• Aggiornato 2024-10-16 ๐Ÿ“… Creato 2024-10-08
171
SpursGoZmy/Awesome-Tabular-LLMs

Raccogliamo articoli su "grandi modelli linguistici (LLM) per attivitร  relative alle tabelle", ad esempio, l'uso di LLM per il task Table QA. Raccolta di documenti relativi a "Tabelle + LLM"

SpursGoZmy
โญ 640 ๐Ÿ‘ค SpursGoZmy User ๐Ÿ• Aggiornato 2026-04-09 ๐Ÿ“… Creato 2023-06-28
173
PromtEngineer/localGPT-Vision

Chatta con i tuoi documenti utilizzando Vision Language Models. Questo repository implementa una pipeline RAG End to End sia con VLM locali che proprietari.

PromtEngineer
โญ 633 Python ๐Ÿ‘ค PromtEngineer User ๐Ÿ• Aggiornato 2025-07-26 ๐Ÿ“… Creato 2024-10-01
174
iSEE-Laboratory/LLMDet

(Evidenziazione CVPR 2025โœจ) Repository ufficiale dell'articolo "LLMDet: Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models"

iSEE-Laboratory
โญ 628 Python ๐Ÿ‘ค iSEE-Laboratory Organization ๐Ÿ• Aggiornato 2026-02-04 ๐Ÿ“… Creato 2025-01-30
175
Ucas-HaoranWei/Vary-toy

Implementazione ufficiale del codice di Vary-toy (Small Language Model incontra Reinforced Vision Vocabulary)

Ucas-HaoranWei
โญ 626 Python ๐Ÿ‘ค Ucas-HaoranWei User ๐Ÿ• Aggiornato 2024-12-30 ๐Ÿ“… Creato 2024-01-10
176
microsoft/CLAP

Apprendimento di concetti audio da supervisione in linguaggio naturale

microsoft
โญ 625 Python ๐Ÿ‘ค microsoft Organization ๐Ÿ• Aggiornato 2024-09-18 ๐Ÿ“… Creato 2022-11-02
177
vb000/LookOnceToHear

Un nuovo metodo di interazione umana per l'estrazione vocale in tempo reale su cuffie.

vb000
โญ 615 Python ๐Ÿ‘ค vb000 User ๐Ÿ• Aggiornato 2026-07-22 ๐Ÿ“… Creato 2024-05-10
178
thu-coai/Glyph

Repository ufficiale per "Glyph: Ridimensionamento delle finestre di contesto tramite compressione visuale-testuale"

thu-coai
โญ 612 Python ๐Ÿ‘ค thu-coai Organization ๐Ÿ• Aggiornato 2025-11-04 ๐Ÿ“… Creato 2025-10-20
180
levyflux/AViD

Framework che consente il fine-tuning di modelli di grounding visione-linguaggio su set di dati personalizzati

levyflux
โญ 608 Python ๐Ÿ‘ค levyflux User ๐Ÿ• Aggiornato 2026-08-30 ๐Ÿ“… Creato 2025-03-19
181
yushangxiao/claude2api

Convertire il servizio web di Claude in un servizio API, supportando il riconoscimento di immagini, l'upload di file, l'output di pensiero...

yushangxiao
โญ 606 Go ๐Ÿ‘ค yushangxiao User ๐Ÿ• Aggiornato 2025-07-01 ๐Ÿ“… Creato 2025-03-25
โญ 604 Jupyter Notebook ๐Ÿ‘ค generative-ai-on-aws Organization ๐Ÿ• Aggiornato 2024-10-09 ๐Ÿ“… Creato 2023-08-24
184
hkproj/pytorch-paligemma

Codifica di un modello linguistico multimodale (Vision) da zero in PyTorch con spiegazione completa: https://www.youtube.com/watch?v=vAmKB7iPkWw

hkproj
โญ 579 Python ๐Ÿ‘ค hkproj User ๐Ÿ• Aggiornato 2024-12-06 ๐Ÿ“… Creato 2024-07-13
โญ 570 Python ๐Ÿ‘ค erwold User ๐Ÿ• Aggiornato 2024-11-26 ๐Ÿ“… Creato 2024-11-25
186
fufankeji/DeepSeek-OCR-Web

Web Studio per l'analisi di documenti OCR DeepSeek pronto all'uso

fufankeji
โญ 568 TypeScript ๐Ÿ‘ค fufankeji User ๐Ÿ• Aggiornato 2025-10-27 ๐Ÿ“… Creato 2025-10-23
187
unconv/gpt4v-browsing

Web Scraping con GPT-4 Vision API e Puppeteer

unconv
โญ 563 JavaScript ๐Ÿ‘ค unconv User ๐Ÿ• Aggiornato 2024-01-31 ๐Ÿ“… Creato 2023-11-24
189
luogen1996/LaVIN

Implementazioni ufficiali di "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]

luogen1996
โญ 525 Python ๐Ÿ‘ค luogen1996 User ๐Ÿ• Aggiornato 2024-01-27 ๐Ÿ“… Creato 2023-05-15
190
SmartFlowAI/Llama3-Tutorial

Llama3-Tutorial (XTuner, LMDeploy, OpenCompass)

SmartFlowAI
โญ 511 Python ๐Ÿ‘ค SmartFlowAI Organization ๐Ÿ• Aggiornato 2024-05-10 ๐Ÿ“… Creato 2024-04-19