#multimodal-large-language-models リポジトリ
#multimodal-large-language-modelsのタグが付いた、GitHub上の43件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は78,032個で、プロジェクトあたりの平均は1,814個です。このトピックをリードしているのは、18,090個のスターを獲得しているBradyFU/Awesome-Multimodal-Large-Language-Modelsです。
リポジトリ合計43件
StarVectorは、ベクトル化をコード生成タスクに変換するSVG生成のための基盤モデルです。ビジョン言語モデリングアーキテクチャを使用して、StarVectorは視覚的およびテキストの両方の入力を処理し、驚くべき精度で高品質のSVGコードを生成します。
LLaMA-Omniは、Llama-3.1-8B-Instructを基盤とした低遅延・高品質なエンドツーエンド音声対話モデルであり、GPT-4oレベルの音声能力の実現を目指しています。
Seed1.5-VLは、汎用的なマルチモーダル理解と推論を推進するために設計されたビジョン言語基盤モデルであり、60の公開ベンチマークのうち38で最先端のパフォーマンスを達成しています。
[ICLR2026] これはMLLMにR1風のRLを効果的に利用する方法を探求し、Vision‑R1を導入した最初の論文であり、Vision‑R1はコールドスタート初期化とRLトレーニングを活用して推論能力を促進する推論MLLMです。
このリポジトリは、マルチモーダル分野の研究者にとって貴重な参考資料を提供します。RLベースの推論MLLMでの探求の旅を始めてください!
個人プロジェクト:MPP-Qwen14B & MPP-Qwen-Next(Qwen-LMに基づいたマルチモーダルパイプライン並列)。[video/image/multi-image] {sft/conversations}をサポート。[eng]「貧困に想像力を制限させるな!」RTX3090/4090 24GBで独自のLLaVAトレーニング風8B/14B MLLMをトレーニング。
🔥🔥🔥 LLMベースのマルチモーダル生成(画像、ビデオ、3D、オーディオ)に関する厳選された論文リスト。
よくある質問
GitHubで最も人気のある#multimodal-large-language-modelsリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#multimodal-large-language-modelsプロジェクトは、18,090個のスターを獲得しているBradyFU/Awesome-Multimodal-Large-Language-Modelsです。:sparkles::sparkles:マルチモーダル大規模言語モデルにおける最新の進歩
#multimodal-large-language-modelsリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#multimodal-large-language-modelsプロジェクトでは、Python, Jupyter Notebook, HTML, C++が最も一般的なプログラミング言語です。
#multimodal-large-language-modelsリポジトリのランキングはどのように算出されていますか?
#multimodal-large-language-modelsのタグが付いた43件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は78,032個で、リポジトリあたりの平均は1,814個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。