Git Stars Git Stars

#multimodal Repository

183
Totale Repository
700,629
Totale stelle
3,828
Media Stelle/Repo
151
taboospecialistblade/ai--manus2.0

AI Manus รจ un sistema di agenti IA di uso generale che consente di eseguire diversi strumenti e operazioni in un ambiente sandbox.

taboospecialistblade
โญ 651 ๐Ÿ‘ค taboospecialistblade User ๐Ÿ• Aggiornato 2026-11-15 ๐Ÿ“… Creato 2026-11-14
152
Tonephorepair/ai--manus2.0

AI Manus รจ un sistema di agenti IA per uso generale che supporta lโ€™esecuzione di vari strumenti e operazioni in un ambiente sandbox.

Tonephorepair
โญ 650 ๐Ÿ‘ค Tonephorepair User ๐Ÿ• Aggiornato 2026-11-15 ๐Ÿ“… Creato 2026-11-14
153
trackboatwrightplan/ai--manus2.0

AI Manus รจ un sistema di agenti IA per uso generale che consente di eseguire diversi strumenti e operazioni in un ambiente sandbox.

trackboatwrightplan
โญ 649 ๐Ÿ‘ค trackboatwrightplan User ๐Ÿ• Aggiornato 2026-11-15 ๐Ÿ“… Creato 2026-11-14
154
JIA-Lab-research/Seg-Zero

Pagina del progetto per "Seg-Zero: Segmentazione guidata da catena di ragionamento tramite rinforzo cognitivo"

JIA-Lab-research
โญ 647 Python ๐Ÿ‘ค JIA-Lab-research Organization ๐Ÿ• Aggiornato 2026-01-17 ๐Ÿ“… Creato 2025-03-07
155
Tencent-Hunyuan/Hunyuan3D-Omni

Hunyuan3D-Omni: Un framework unificato per la generazione controllabile di asset 3D

Tencent-Hunyuan
โญ 643 Python ๐Ÿ‘ค Tencent-Hunyuan Organization ๐Ÿ• Aggiornato 2025-10-17 ๐Ÿ“… Creato 2025-09-25
156
AILab-CVC/SEED

Implementazione ufficiale di SEED-LLaMA (ICLR 2024).

AILab-CVC
โญ 638 Python ๐Ÿ‘ค AILab-CVC Organization ๐Ÿ• Aggiornato 2024-09-21 ๐Ÿ“… Creato 2023-07-15
157
SkalskiP/awesome-foundation-and-multimodal-models

๐Ÿ‘๏ธ + ๐Ÿ’ฌ + ๐ŸŽง = ๐Ÿค– Lista curata dei migliori modelli di base e multimodali! [Paper + Code + Esempi + Tutorial]

SkalskiP
โญ 635 Python ๐Ÿ‘ค SkalskiP User ๐Ÿ• Aggiornato 2024-02-29 ๐Ÿ“… Creato 2023-10-08
158
motis-project/motis

routing multimodale, geocoding e tile mappe

motis-project
โญ 628 C++ ๐Ÿ‘ค motis-project Organization ๐Ÿ• Aggiornato 2026-11-18 ๐Ÿ“… Creato 2020-04-14
159
Denis2054/RAG-Driven-Generative-AI

Questo repository fornisce programmi per costruire codice di Retrieval Augmented Generation (RAG) per Generative AI con LlamaIndex, Deep Lake e Pinecone sfruttando la potenza dei modelli OpenAI e Hugging Face per la generazione e la valutazione.

Denis2054
โญ 627 Jupyter Notebook ๐Ÿ‘ค Denis2054 User ๐Ÿ• Aggiornato 2025-09-23 ๐Ÿ“… Creato 2024-04-19
160
omriav/blended-latent-diffusion

Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]

omriav
โญ 627 Jupyter Notebook ๐Ÿ‘ค omriav User ๐Ÿ• Aggiornato 2024-06-04 ๐Ÿ“… Creato 2022-06-06
161
turningpoint-ai/VisualThinker-R1-Zero

Esplora l'"Eureka" multimodale sul modello 2B

turningpoint-ai
โญ 623 Python ๐Ÿ‘ค turningpoint-ai Organization ๐Ÿ• Aggiornato 2025-03-18 ๐Ÿ“… Creato 2025-02-24
162
RobotecAI/rai

RAI รจ un framework agentico indipendente dal fornitore per la robotica Physical AI, che utilizza strumenti ROS 2 per eseguire azioni complesse, scenari definiti, esecuzione di interfaccia libera, riassunti dei log, interazione vocale e altro ancora.

RobotecAI
โญ 619 Python ๐Ÿ‘ค RobotecAI Organization ๐Ÿ• Aggiornato 2026-11-11 ๐Ÿ“… Creato 2024-06-04
163
MMMU-Benchmark/MMMU

Questo repository contiene il codice di valutazione per l'articolo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

MMMU-Benchmark
โญ 601 Python ๐Ÿ‘ค MMMU-Benchmark Organization ๐Ÿ• Aggiornato 2026-11-13 ๐Ÿ“… Creato 2023-11-23
164
oxbshw/watch-skill

Dai agli agenti IA occhi, orecchie e risultati verificabili. Watch Skill trasforma video, audio e attivitร  sullo schermo in prove ricercabili e corredate di timestamp, e dimostra il lavoro tramite contratti deterministici, non opinioni del modello. DeepWatch รจ lโ€™ambiente di lavoro per agenti basato su DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.

oxbshw
โญ 599 Python ๐Ÿ‘ค oxbshw User ๐Ÿ• Aggiornato 2026-11-16 ๐Ÿ“… Creato 2026-07-05
165
baaivision/tokenize-anything

[ECCV 2024] Tokenizza tutto tramite prompting

baaivision
โญ 599 Jupyter Notebook ๐Ÿ‘ค baaivision Organization ๐Ÿ• Aggiornato 2024-12-11 ๐Ÿ“… Creato 2023-12-14
166
the-ai-merge/multimodal-agents-course

Un agente IA multimodale MCP con occhi e orecchie!

the-ai-merge
โญ 587 Python ๐Ÿ‘ค the-ai-merge Organization ๐Ÿ• Aggiornato 2026-01-05 ๐Ÿ“… Creato 2025-04-07
167
vignshwarar/AI-Employe

Crea automazione del browser come se stessi insegnando a un umano usando GPT-4 Vision.

vignshwarar
โญ 587 TypeScript ๐Ÿ‘ค vignshwarar User ๐Ÿ• Aggiornato 2024-02-19 ๐Ÿ“… Creato 2023-12-21
168
SAOS-3624/dsh-video-storyboard

Storyboard con riconoscimento delle scene per DeepSeek Harness: da 9 a 16 riquadri numerati con timestamp + trascrizione + inviluppo audio, raccolti in UN'UNICA immagine (384 token). Due strumenti: video_storyboard e video_zoom.

SAOS-3624
โญ 585 JavaScript ๐Ÿ‘ค SAOS-3624 User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-10-26
169
FoundationVision/Groma

[ECCV2024] Modello linguistico multimodale ampio e fondato con tokenizzazione visiva localizzata

FoundationVision
โญ 582 Python ๐Ÿ‘ค FoundationVision Organization ๐Ÿ• Aggiornato 2024-06-07 ๐Ÿ“… Creato 2024-04-21
170
omriav/blended-diffusion

Implementazione ufficiale per "Blended Diffusion per l'editing guidato dal testo di immagini naturali" [CVPR 2022]

omriav
โญ 582 Jupyter Notebook ๐Ÿ‘ค omriav User ๐Ÿ• Aggiornato 2024-06-04 ๐Ÿ“… Creato 2021-11-29
171
microsoft/psi

Piattaforma per l'Intelligenza Situata

microsoft
โญ 577 C# ๐Ÿ‘ค microsoft Organization ๐Ÿ• Aggiornato 2026-10-19 ๐Ÿ“… Creato 2016-09-09
172
ictnlp/LLaVA-Mini

LLaVA-Mini รจ un modello multimodale ampio e unificato (LMM) che puรฒ supportare la comprensione di immagini, immagini ad alta risoluzione e video in modo efficiente.

ictnlp
โญ 575 Python ๐Ÿ‘ค ictnlp Organization ๐Ÿ• Aggiornato 2025-06-29 ๐Ÿ“… Creato 2025-01-07
173
alan-ai/alan-sdk-reactnative

Il Sistema di Auto-Codifica per la Tua App โ€” Alan AI SDK per React Native

alan-ai
โญ 573 Ruby ๐Ÿ‘ค alan-ai Organization ๐Ÿ• Aggiornato 2026-02-14 ๐Ÿ“… Creato 2019-10-23
174
monatis/clip.cpp

Inferenza CLIP in C/C++ puro senza dipendenze aggiuntive

monatis
โญ 572 C++ ๐Ÿ‘ค monatis User ๐Ÿ• Aggiornato 2026-08-24 ๐Ÿ“… Creato 2023-04-28
175
Code-Amadeus/Amadeus

Agente desktop multimodale in tempo reale, in evoluzione verso unโ€™interfaccia persistente per un sistema operativo basato sullโ€™IA (0.17 ฮฑ).

Code-Amadeus
โญ 570 Python ๐Ÿ‘ค Code-Amadeus Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-07-26
176
Flame-Code-VLM/Flame-Code-VLM

Flame รจ un sistema AI multimodale open-source progettato per tradurre mockup di UI design in codice React di alta qualitร . Sfrutta la modellazione vision-lingua, la sintesi automatizzata dei dati e i flussi di lavoro di addestramento strutturati per colmare il divario tra design e sviluppo front-end.

Flame-Code-VLM
โญ 564 Python ๐Ÿ‘ค Flame-Code-VLM Organization ๐Ÿ• Aggiornato 2026-02-11 ๐Ÿ“… Creato 2025-02-10
177
uclanlp/OpenVLHarness

Codice ufficiale di OpenVLHarness: uso di strumenti da parte di agenti visivi nel mondo reale con memoria multimodale

uclanlp
โญ 557 Python ๐Ÿ‘ค uclanlp Organization ๐Ÿ• Aggiornato 2026-11-10 ๐Ÿ“… Creato 2026-10-15
178
vlm-run/vlmrun-hub

Un hub per vari schemi specifici del settore da utilizzare con VLM.

vlm-run
โญ 555 Python ๐Ÿ‘ค vlm-run Organization ๐Ÿ• Aggiornato 2025-12-15 ๐Ÿ“… Creato 2024-11-11
179
OpenEnvision/Awesome-Multimodal-Modeling

Fantastica modellazione multimodale [Copre MLLM, UMM e NMM]

OpenEnvision
โญ 552 JavaScript ๐Ÿ‘ค OpenEnvision Organization ๐Ÿ• Aggiornato 2026-11-15 ๐Ÿ“… Creato 2026-03-27
180
OmniJev/Flide

๐Ÿ”ฅ๐Ÿ”ฅ Il motore di inferenza estremamente veloce per i modelli decisionali

OmniJev
โญ 550 Python ๐Ÿ‘ค OmniJev Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-10-24
181
google/break-a-scene

Implementazione ufficiale per "Break-A-Scene: Extracting Multiple Concepts from a Single Image" [SIGGRAPH Asia 2023]

google
โญ 525 Python ๐Ÿ‘ค google Organization ๐Ÿ• Aggiornato 2024-01-14 ๐Ÿ“… Creato 2023-09-13
โญ 517 Zig ๐Ÿ‘ค antflydb Organization ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-03-15
183
hustvl/EVF-SAM

Codice ufficiale di ยซEVF-SAM: Fusione precoce visione-lingua per il modello Segment Anything con prompt testualeยป

hustvl
โญ 500 Python ๐Ÿ‘ค hustvl Organization ๐Ÿ• Aggiornato 2025-03-17 ๐Ÿ“… Creato 2024-06-12