#multimodal Repository
183 repository in totale
AI Manus รจ un sistema di agenti IA di uso generale che consente di eseguire diversi strumenti e operazioni in un ambiente sandbox.
AI Manus รจ un sistema di agenti IA per uso generale che supporta lโesecuzione di vari strumenti e operazioni in un ambiente sandbox.
AI Manus รจ un sistema di agenti IA per uso generale che consente di eseguire diversi strumenti e operazioni in un ambiente sandbox.
Pagina del progetto per "Seg-Zero: Segmentazione guidata da catena di ragionamento tramite rinforzo cognitivo"
Hunyuan3D-Omni: Un framework unificato per la generazione controllabile di asset 3D
๐๏ธ + ๐ฌ + ๐ง = ๐ค Lista curata dei migliori modelli di base e multimodali! [Paper + Code + Esempi + Tutorial]
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.
Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]
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.
Questo repository contiene il codice di valutazione per l'articolo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
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 lโambiente di lavoro per agenti basato su DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.
Crea automazione del browser come se stessi insegnando a un umano usando GPT-4 Vision.
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.
[ECCV2024] Modello linguistico multimodale ampio e fondato con tokenizzazione visiva localizzata
Implementazione ufficiale per "Blended Diffusion per l'editing guidato dal testo di immagini naturali" [CVPR 2022]
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.
Il Sistema di Auto-Codifica per la Tua App โ Alan AI SDK per React Native
Agente desktop multimodale in tempo reale, in evoluzione verso unโinterfaccia persistente per un sistema operativo basato sullโIA (0.17 ฮฑ).
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.
Codice ufficiale di OpenVLHarness: uso di strumenti da parte di agenti visivi nel mondo reale con memoria multimodale
Fantastica modellazione multimodale [Copre MLLM, UMM e NMM]
Implementazione ufficiale per "Break-A-Scene: Extracting Multiple Concepts from a Single Image" [SIGGRAPH Asia 2023]
Codice ufficiale di ยซEVF-SAM: Fusione precoce visione-lingua per il modello Segment Anything con prompt testualeยป