Git Stars Git Stars

#multimodal リポジトリ

183
リポジトリ総数
700,629
合計スター数
3,828
リポジトリあたりの平均スター数

リポジトリ合計183件

151
taboospecialistblade/ai--manus2.0

AI Manusは、サンドボックス環境でさまざまなツールや操作を実行できる汎用AIエージェントシステムです。

taboospecialistblade
⭐ 651 👤 taboospecialistblade User 🕐 更新日時 2026-11-15 📅 作成日 2026-11-14
152
Tonephorepair/ai--manus2.0

AI Manusは、サンドボックス環境でさまざまなツールや操作を実行できる汎用AIエージェントシステムです。

Tonephorepair
⭐ 650 👤 Tonephorepair User 🕐 更新日時 2026-11-15 📅 作成日 2026-11-14
153
trackboatwrightplan/ai--manus2.0

AI Manusは、サンドボックス環境でさまざまなツールや操作を実行できる汎用AIエージェントシステムです。

trackboatwrightplan
⭐ 649 👤 trackboatwrightplan User 🕐 更新日時 2026-11-15 📅 作成日 2026-11-14
154
JIA-Lab-research/Seg-Zero

"Seg-Zero: 推論チェーン誘導型認知強化によるセグメンテーション" プロジェクトページ

JIA-Lab-research
⭐ 647 Python 👤 JIA-Lab-research Organization 🕐 更新日時 2026-01-17 📅 作成日 2025-03-07
155
Tencent-Hunyuan/Hunyuan3D-Omni

Hunyuan3D-Omni: 3Dアセットの制御付き生成のための統一フレームワーク

Tencent-Hunyuan
⭐ 643 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2025-10-17 📅 作成日 2025-09-25
156
AILab-CVC/SEED

SEED-LLaMA (ICLR 2024) の公式実装。

AILab-CVC
⭐ 638 Python 👤 AILab-CVC Organization 🕐 更新日時 2024-09-21 📅 作成日 2023-07-15
157
SkalskiP/awesome-foundation-and-multimodal-models

👁️ + 💬 + 🎧 = 🤖 トップ基盤モデルとマルチモーダルモデルのキュレーションリスト! [論文 + コード + 例 + チュートリアル]

SkalskiP
⭐ 635 Python 👤 SkalskiP User 🕐 更新日時 2024-02-29 📅 作成日 2023-10-08
158
motis-project/motis

マルチモーダルルーティング、地図コード化、マップタイル

motis-project
⭐ 628 C++ 👤 motis-project Organization 🕐 更新日時 2026-11-18 📅 作成日 2020-04-14
159
Denis2054/RAG-Driven-Generative-AI

このリポジトリは、OpenAIおよびHugging Faceモデルの力を活用して、LlamaIndex、Deep Lake、Pineconeを使用して生成AIのためのRetrieval Augmented Generation(RAG)コードを構築するためのプログラムを提供し、生成と評価に使用されます。

Denis2054
⭐ 627 Jupyter Notebook 👤 Denis2054 User 🕐 更新日時 2025-09-23 📅 作成日 2024-04-19
160
omriav/blended-latent-diffusion

「Blended Latent Diffusion」[SIGGRAPH 2023] の公式実装

omriav
⭐ 627 Jupyter Notebook 👤 omriav User 🕐 更新日時 2024-06-04 📅 作成日 2022-06-06
161
turningpoint-ai/VisualThinker-R1-Zero

2Bモデルにおけるマルチモーダルな「アハ・モーメント」を探る

turningpoint-ai
⭐ 623 Python 👤 turningpoint-ai Organization 🕐 更新日時 2025-03-18 📅 作成日 2025-02-24
162
RobotecAI/rai

RAIは、Physical AIロボティクス向けのベンダー非依存のエージェントフレームワークで、ROS 2ツールを使用して複雑なアクション、定義されたシナリオ、自由なインターフェース実行、ログ要約、音声インタラクションなどを提供します。

RobotecAI
⭐ 619 Python 👤 RobotecAI Organization 🕐 更新日時 2026-11-11 📅 作成日 2024-06-04
163
MMMU-Benchmark/MMMU

このリポジトリには、「MMMU: Expert AGIのための大規模多分野マルチモーダル理解・推論ベンチマーク」という論文の評価コードが含まれています。

MMMU-Benchmark
⭐ 601 Python 👤 MMMU-Benchmark Organization 🕐 更新日時 2026-11-13 📅 作成日 2023-11-23
164
oxbshw/watch-skill

AIエージェントに目と耳、そして検証可能な成果を。Watch Skillは動画、音声、画面上のアクティビティを、検索可能でタイムスタンプ付きの証拠に変換し、モデルの主観ではなく決定論的な契約によって作業を証明します。DeepWatchはDeepSeek Harnessを基盤とするエージェント向けワークスペースです。Python + npm、MCP、CLI、REST、Webに対応。

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 更新日時 2026-11-16 📅 作成日 2026-07-05
165
baaivision/tokenize-anything

[ECCV 2024] プロンプトによるあらゆるもののトークン化

baaivision
⭐ 599 Jupyter Notebook 👤 baaivision Organization 🕐 更新日時 2024-12-11 📅 作成日 2023-12-14
166
the-ai-merge/multimodal-agents-course

目と耳を持つMCPマルチモーダルAIエージェント!

the-ai-merge
⭐ 587 Python 👤 the-ai-merge Organization 🕐 更新日時 2026-01-05 📅 作成日 2025-04-07
167
vignshwarar/AI-Employe

GPT-4 Visionを使用して、人間を教えているかのようにブラウザ自動化を作成します。

vignshwarar
⭐ 587 TypeScript 👤 vignshwarar User 🕐 更新日時 2024-02-19 📅 作成日 2023-12-21
168
SAOS-3624/dsh-video-storyboard

DeepSeek Harness向けのシーン認識型ストーリーボード:番号付きのコマ9~16個を、タイムスタンプ、文字起こし、音声エンベロープとともに1枚の画像にまとめます(384トークン)。ツールはvideo_storyboardとvideo_zoomの2つです。

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-26
169
FoundationVision/Groma

[ECCV2024] 局所化ビジュアルトークン化によるグラウンデッド・マルチモーダル大規模言語モデル

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 更新日時 2024-06-07 📅 作成日 2024-04-21
170
omriav/blended-diffusion

「テキスト主導の自然画像編集のためのブレンド拡散」[CVPR 2022] の公式実装

omriav
⭐ 582 Jupyter Notebook 👤 omriav User 🕐 更新日時 2024-06-04 📅 作成日 2021-11-29
171
microsoft/psi

Situated Intelligenceのためのプラットフォーム

microsoft
⭐ 577 C# 👤 microsoft Organization 🕐 更新日時 2026-10-19 📅 作成日 2016-09-09
172
ictnlp/LLaVA-Mini

LLaVA-Miniは、画像、高解像度画像、ビデオを効率的に理解できる、統合された大規模マルチモーダルモデル(LMM)です。

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 更新日時 2025-06-29 📅 作成日 2025-01-07
173
alan-ai/alan-sdk-reactnative

アプリのためのセルフコーディングシステム — React Native 向け Alan AI SDK

alan-ai
⭐ 573 Ruby 👤 alan-ai Organization 🕐 更新日時 2026-02-14 📅 作成日 2019-10-23
174
monatis/clip.cpp

追加の依存関係なしのプレーンC/C++におけるCLIP推論

monatis
⭐ 572 C++ 👤 monatis User 🕐 更新日時 2026-08-24 📅 作成日 2023-04-28
175
Code-Amadeus/Amadeus

永続的なAI OSインターフェースへと進化する、リアルタイムのマルチモーダル・デスクトップエージェント(0.17 α)。

Code-Amadeus
⭐ 570 Python 👤 Code-Amadeus Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-07-26
176
Flame-Code-VLM/Flame-Code-VLM

Flameは、UIデザインモックアップを高品質なReactコードに変換するために設計されたオープンソースのマルチモーダルAIシステムです。ビジョン言語モデリング、自動化されたデータ合成、構造化されたトレーニングワークフローを活用し、デザインとフロントエンド開発の間のギャップを埋めます。

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 更新日時 2026-02-11 📅 作成日 2025-02-10
177
uclanlp/OpenVLHarness

OpenVLHarness公式コード:マルチモーダルメモリを備えた、現実世界における視覚エージェントのツール使用

uclanlp
⭐ 557 Python 👤 uclanlp Organization 🕐 更新日時 2026-11-10 📅 作成日 2026-10-15
178
vlm-run/vlmrun-hub

VLMsで使用するための、さまざまな業界固有のスキーマのハブ。

vlm-run
⭐ 555 Python 👤 vlm-run Organization 🕐 更新日時 2025-12-15 📅 作成日 2024-11-11
179
OpenEnvision/Awesome-Multimodal-Modeling

素晴らしいマルチモーダルモデリング [MLLM、UMM、NMMを網羅]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 更新日時 2026-11-15 📅 作成日 2026-03-27
180
OmniJev/Flide

🔥🔥 意思決定モデル向けの超高速推論エンジン

OmniJev
⭐ 550 Python 👤 OmniJev Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-10-24
181
google/break-a-scene

「Break-A-Scene: Extracting Multiple Concepts from a Single Image」[SIGGRAPH Asia 2023] の公式実装

google
⭐ 525 Python 👤 google Organization 🕐 更新日時 2024-01-14 📅 作成日 2023-09-13
⭐ 517 Zig 👤 antflydb Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-03-15
183
hustvl/EVF-SAM

「EVF-SAM: テキストプロンプト付きSegment Anything Modelのための早期視覚言語融合」の公式コード

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 更新日時 2025-03-17 📅 作成日 2024-06-12