#multi-modal-ai Repositórios
Descubra 37 repositórios ativos de código aberto no GitHub marcados com #multi-modal-ai, acumulando um total de 152,489 estrelas (uma média de 4,121 por projeto). O líder deste tópico é Lordog/dive-into-llms, com 55,949 estrelas.
37 repositórios no total
[NeurIPS 2023] Implementação oficial do artigo "Segment Everything Everywhere All at Once"
Um assistente de desktop flutuante universal de consulta e geração de IA, multimodal e multi-modelo
Este projeto é uma coleção de scripts de fluxo de trabalho DSL implementados com base no projeto open source dify
VILA é uma família de modelos de linguagem e visão (VLMs) de última geração para diversas tarefas de IA multimodal em edge, data center e nuvem.
Grounded SAM 2: Localizar e Rastrear Qualquer Coisa em Vídeos com Grounding DINO, Florence-2 e SAM 2
Um projeto de referência para desenvolvedores para criar chatbots de Geração Aumentada por Recuperação (RAG) no Windows usando TensorRT-LLM
Fogsight é um agente de IA e motor de animação alimentado por Modelos de Linguagem Grandes.
RDT-1B: um Modelo de Fundação de Difusão para Manipulação Bimanual
Um agente conversacional incorporado com autoaperfeiçoamento, perfeitamente integrado no sistema operativo para automatizar as nossas tarefas diárias.
Código para o artigo "ViperGPT: Inferência Visual via Execução Python para Raciocínio"
Um pacote Python que facilita aos desenvolvedores a criação de aplicativos de IA, com suporte a vários provedores de IA.
um framework aberto para navegação de cegos baseado em ESP32
ELLA: Equipar Modelos de Difusão com LLM para Alinhamento Semântico Aprimorado
Uma aplicação web para conversar com personagens de IA que qualquer pessoa pode facilmente configurar e implementar.
Crie aplicativos de IA que possam ver, ouvir e falar usando suas telas, microfones e câmeras como entradas.
GigaModels: Um repositório e plataforma abrangentes para modelos multimodais, generativos e perceptuais
Uma substituição compatível com API e pronta para uso para o framework Foundation Models da Apple com suporte para provedores de modelos de linguagem personalizados.
Biblioteca oficial de inferência para o pré-processamento de modelos Mistral
[CVPR 2024] LMDrive: Condução Autônoma Ponta a Ponta em Ciclo Fechado com Grandes Modelos de Linguagem
LLaMA-VID: Uma Imagem Vale 2 Tokens em Modelos de Linguagem Grandes (ECCV 2024)
[EMNLP 2025] ViDoRAG: Geração Aumentada por Recuperação de Documentos Visuais via Agentes de Raciocínio Iterativo Dinâmico
[NeurIPS 2023] Uni-ControlNet: Controle Tudo-em-Um para Modelos de Difusão de Texto para Imagem
A integração bem-sucedida da série Qwen3-VL-Instruct na plataforma ComfyUI permitiu um funcionamento suave, suportando (mas não se limitando a) consultas baseadas em texto, consultas de vídeo, consultas de uma única imagem e consultas de múltiplas imagens para gerar legendas ou respostas.
Perguntas Frequentes
Qual é o repositório de #multi-modal-ai mais popular no GitHub?
O projeto de código aberto de #multi-modal-ai mais bem classificado no GitHub é Lordog/dive-into-llms, com 55,949 estrelas. Série de Tutoriais Práticos de Programação "Dive into LLMs"
Quais linguagens de programação são mais usadas nos repositórios de #multi-modal-ai?
Entre os projetos de #multi-modal-ai mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, JavaScript.
Como é calculada a classificação dos repositórios de #multi-modal-ai?
Acompanhamos 37 repositórios ativos de código aberto marcados com #multi-modal-ai (com mais de 500 estrelas), totalizando 152,489 estrelas e uma média de 4,121 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.