#multimodal Repository
183 repository in totale
WIT (Wikipedia-based Image Text) Dataset è un ampio dataset multimodale multilingue comprendente oltre 37 milioni di coppie immagine-testo con oltre 11 milioni di immagini uniche in oltre 100 lingue.
[ICLR'24 spotlight] Serie di Grandi Modelli Multimodali Cinesi e Inglesi (Chat e Paint) | Serie di Grandi Modelli Multimodali Bilingue Cinese-Inglese basati sul Modello Base CPM
[Candidato al Miglior Paper ECCV 2024 e TPAMI 2025] PointLLM: Potenziare i Grandi Modelli Linguistici per Comprendere le Nuvole di Punti
Un modello di rappresentazione generale attraverso modalità visive, audio e linguistiche. Articolo: ONE-PEACE: Esplorazione di un modello di rappresentazione generale verso modalità illimitate
🩺 Il primo modello biomedico multimodale cinese in grado di riassumere le radiografie del torace.
Piattaforma di workflow GenAI di livello enterprise, intuitiva per agenti e persone e orientata alle modalità
Un'implementazione ufficiale per "CLIP4Clip: Uno studio empirico di CLIP per il recupero di videoclip end-to-end"
Risorse, esempi e tutorial per IA multimodale, RAG e agenti che utilizzano la ricerca vettoriale e gli LLM
Modelli aperti di decisione multimodale, da 0,8B a 27B, per testo, immagini e video. Decidi assegnando probabilità ai tuoi candidati e individua gli elementi con riquadri di delimitazione, invece di generare testo. API gratuita, ONNX, GGUF, vLLM e SGLang; codice per il fine-tuning incluso.
⚡ Solver CAPTCHA compatibile con YesCaptcha auto-ospitabile, costruito con FastAPI, Playwright e modelli multimodali compatibili con OpenAI.
Informazioni su Questo repository è una raccolta curata degli articoli più interessanti e influenti del CVPR 2025. 🔥 [Paper + Code + Demo]
Un modello linguistico multimodale unificato basato sulla modellazione di sequenze discrete
Monitoraggio locale + visione AI — Framework di monitoraggio AI alimentato da smartphone basato su LAN con output di eventi strutturati per acquisizione e analisi dati.
Halo è un framework open source sviluppato da White Circle per addestrare modelli linguistici di grandi dimensioni e modelli multimodali
Una serie di modelli da 11B a pesi aperti per la comprensione di video di lunga durata e in tempo reale
Un motore di addestramento di modelli multimodali semplice e unificato. Essenziale, flessibile e costruito per la sperimentazione su larga scala.
Un plugin locale per le chat ricche di immagini in Codex, Claude Code e altri agenti AI: le immagini precedenti vengono sostituite da brevi segnaposto invece di essere inviate con ogni messaggio, il modello recupera l’originale tramite il relativo ID (anche dopo la compattazione) e la cache dei prompt continua a funzionare.
[TMLR 2025🔥] Una panoramica sui modelli autoregressivi nella visione.
Elenco di articoli su modelli multimodali e di grandi dimensioni, utilizzato solo per registrare articoli letti nell'archivio quotidiano per esigenze personali.
Paddle Multimodal Integration and eXploration, a supporto delle attività multimodali mainstream, inclusi modelli di pre-addestramento multimodali su larga scala end-to-end e toolbox per modelli di diffusione. Dotato di alte prestazioni e flessibilità.
Un modello open source per comprendere il parlato, i suoni ambientali e la musica attraverso la generazione di didascalie, domande e risposte e ragionamento
Una cassetta degli attrezzi per raccomandazioni multimodali. Integrazione di oltre 10 modelli...
Questo repository contiene il codice per "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] e "MMEB-V3" [COLM 2026]
[ECCV 2024] InstructIR: Ripristino di immagini di alta qualità seguendo le istruzioni umane https://huggingface.co/spaces/marcosv/InstructIR
Second Brain è un framework agentico che funge da sistema operativo, utilizzando intelligenza dei file locali, automazione dei flussi di lavoro e LLM per completare attività e comunicare attraverso molteplici modalità e piattaforme di messaggistica.
Un Agent Skill universale per carte olografiche, compatibile con qualsiasi piattaforma e modello multimodale. Da una sola frase genera una pagina web con carte 3D trascinabili e ruotabili, effetti di luce fluidi e profondità stratificata. Include un progetto Blender modificabile.
Un motore nativo di inferenza per modelli linguistici di grandi dimensioni (LLM) .NET e un runtime per agenti per modelli GGUF. TensorSharp offre un’applicazione da console, un’interfaccia chatbot basata sul Web, un’app per iPhone e API HTTP compatibili con Ollama/OpenAI per l’accesso programmatico. Supporta Windows, macOS, iOS e Linux con pieno supporto GPU.
AI Manus è un sistema di agenti IA per uso generale che consente di eseguire vari strumenti e operazioni in un ambiente sandbox.
Un motore di apprendimento per rinforzo asincrono per il post-addestramento omnimodale su larga scala
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
✨✨Ultimi Articoli e Benchmark nel Ragionamento con Modelli Fondazionali
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA per uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA per uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA di uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus è un sistema di agenti IA per uso generale che supporta l’esecuzione di vari strumenti e operazioni in un ambiente sandbox.