#multi-modal Repositórios
Descubra 47 repositórios ativos de código aberto no GitHub marcados com #multi-modal, acumulando um total de 208,313 estrelas (uma média de 4,432 por projeto). O líder deste tópico é agentscope-ai/agentscope, com 36,422 estrelas.
47 repositórios no total
[CVPR 2024 Oral] Família InternVL: Uma Alternativa Open-Source Pioneira ao GPT-4o. Modelo de diálogo multimodal de código aberto com desempenho próximo ao do GPT-4o
O espaço de trabalho de IA para especialistas. Alterne entre mais de 800 modelos durante o chat, ajuste mais de 40 parâmetros e compare modelos Beam lado a lado. Use suas próprias chaves e hospede-o por conta própria. Desenvolvido sobre nosso mecanismo de protocolo nativo: confiável, altamente configurável e rápido.
Versão chinesa do CLIP que alcança a recuperação cross-modal e a geração de representação em chinês.
Implementação / replicação do DALL-E, o Transformador de Texto para Imagem da OpenAI, em Pytorch
Kit de ferramentas de avaliação de código aberto para grandes modelos de multimodalidade (LMMs), com suporte para mais de 220 LMMs e mais de 80 benchmarks
[EMNLP 2022] Uma Ferramenta Aberta para Extração e Construção de Grafos de Conhecimento
Modelo de linguagem conversacional multimodal em chinês e inglês | Modelo de linguagem de conversação multimodal bilíngue (chinês e inglês)
Uma biblioteca C#/.NET para executar LLMs (🦙LLaMA/LLaVA) no seu dispositivo local de forma eficiente.
Ecossistema de assistente de IA de código aberto com integrações MCP, fluxos de trabalho multimodais, suporte para IoT e interação por voz entre plataformas.
【EMNLP 2024🔥】Video-LLaVA: Aprendizado de Representação Visual Unificada por Alinhamento Antes da Projeção
Página do Projeto de "LISA: Segmentação por Raciocínio via Grande Modelo de Linguagem"
【TMM 2025🔥】 Mistura de Especialistas para Grandes Modelos de Visão-Linguagem
Uma coleção de artigos clássicos e de ponta da indústria nas áreas de recomendação/publicidade/pesquisa.
[NeurIPS 2023] MotionGPT: Movimento Humano como uma Língua Estrangeira, um modelo unificado de geração de linguagem de movimento usando LLMs
Uma interface GPT robusta e completa para o Discord. Conversas no estilo ChatGPT, geração de imagens, moderação por IA, índices/base de conhecimento personalizados, sumarizador de vídeos do YouTube, e muito mais!
Implementação em Pytorch do Transfusion, "Preveja o Próximo Token e Difunda Imagens com um Modelo Multimodal", da MetaAI
Engenharia de Dados para Modelos de Grande Escala: Arquitetura, Algoritmos e Prática de Projetos
[pip install medmnist] Conjuntos de Dados Padronizados 18x para Classificação de Imagens Biomédicas 2D e 3D
Este repositório reúne artigos para "Uma Pesquisa sobre Destilação de Conhecimento de Grandes Modelos de Linguagem". Dividimos a KD em Elicitação de Conhecimento e Algoritmos de Destilação, e exploramos a Destilação de Habilidades e Vertical de LLMs.
FarmVibes.AI: Modelos GeoEspaciais de ML Multimodais para Agricultura e Sustentabilidade
【ICLR 2024🔥】 Estendendo o Pré-treinamento de Vídeo-Linguagem para N-modalidade por Alinhamento Semântico Baseado em Linguagem
Use modelos multimodais de interação tardia, como o ColPali, em apenas algumas linhas de código.
[CVPR 2026🔥] 🧑🎨 OmniLottie, um gerador de animações vetoriais multimodais de código aberto que produz arquivos JSON Lottie.
Pipeline de OCR multimodal otimizado para treinamento de ML (texto, figuras, matemática, tabelas, diagramas)
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Modelagem Unificada do Mundo Ciente de Geometria
Geração de filmes de IA paralela impulsionada por DAG multi-modelo — aceleração paralela escala com independência de cena; Gere cenas de filme simultaneamente em vez de uma por uma; "Transformar o grafo de execução de geração de audiovisual de ordem topológica para agendamento ótimo do caminho crítico"; O único motor de geração de audiovisual que modela dependências narrativas de cena como DAG e impulsiona agendamento paralelo com algoritmo CPM
🌐 Modelos de visão, linguagem e ação para a condução autónoma: passado, presente e futuro
FashionCLIP é um modelo semelhante ao CLIP ajustado para o domínio da moda.
🔥🔥🔥[AAAI 2026 Oral] Implementação Oficial do Robust‑R1: Raciocínio Sensível à Degradação para Entendimento Visual Robusto
Perguntas Frequentes
Qual é o repositório de #multi-modal mais popular no GitHub?
O projeto de código aberto de #multi-modal mais bem classificado no GitHub é agentscope-ai/agentscope, com 36,422 estrelas. Construa e execute agentes que você possa ver, entender e confiar.
Quais linguagens de programação são mais usadas nos repositórios de #multi-modal?
Entre os projetos de #multi-modal mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, C++.
Como é calculada a classificação dos repositórios de #multi-modal?
Acompanhamos 47 repositórios ativos de código aberto marcados com #multi-modal (com mais de 500 estrelas), totalizando 208,313 estrelas e uma média de 4,432 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.