#multimodal-ai 저장소
저장소 총 191개
'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning'의 공식 리포지토리
【LLMs 아홉 겹 악마탑】자연어 처리(ChatGLM, Chinese-LLaMA-Alpaca, 샤오양투오 Vicuna, LLaMA, GPT4ALL 등), 정보 검색(langchain), 언어 합성, 언어 인식, 멀티모달(Stable Diffusion, MiniGPT-4, VisualGLM-6B, Ziya-Visual 등) 분야에서의 LLMs 실전 경험 및 노하우 공유.
NVIDIA AI 비디오 검색 및 요약(VSS) 청사진은 실시간 검증 경고, 시각적 Q&A, 자동 보고 기능을 갖춘 비디오 분석 에이전트를 구축하기 위한 GPU 가속 참조 아키텍처입니다. VSS 청사진은 NVIDIA Cosmos와 같은 비전 언어 모델(VLM), NVIDIA Nemotron과 같은 LLM, RAG 및 NVIDIA NIM을 사용합니다.
시맨틱 검색. 자연어를 통해 로컬 사진 및 동영상을 검색합니다. AI 시맨틱 검색 로컬 자료. 이미지로 검색, 로컬 자료 찾기, 텍스트 설명으로 장면 일치, 비디오 프레임 검색, 장면 설명으로 비디오 검색.
OpenGUI는 스마트폰 AI를 위한 Android GUI 에이전트 프레임워크로, GUI를 통해 실제 모바일 앱을 보고, 계획하고, 조작할 수 있습니다.
Apple Silicon용 고성능 OpenAI 및 Anthropic 호환 LLM 추론 서버. 네이티브 MLX, 연속 배치, 멀티모달 모델, MCP 도구 호출 및 Claude Code 지원.
탐지 및 분할을 위한 트랜스포머에 대한 일부 논문을 수집합니다. 컴퓨터 비전(CV)을 위한 Awesome Detection Transformer
엄선된 200개 이상의 비전-언어 모델(VLM/MLLM) 아키텍처 시각 자료 카탈로그: 논문, 다이어그램, 학습 레시피, 데이터셋, 멀티모달 AI 에이전트의 출시 타임라인을 제공합니다.
당신의 개방형 자율 안드로이드 에이전트 — 로컬/원격 LLM과 접근성 기반 화면 자동화로 구동되는 프로덕션 준비 완료된 자기 계획형 AI 어시스턴트입니다.