#multimodal-learning Repositórios
Descubra 35 repositórios ativos de código aberto no GitHub marcados com #multimodal-learning, acumulando um total de 63,371 estrelas (uma média de 1,810 por projeto). O líder deste tópico é apple-aiml-research/ml-ferret, com 8,646 estrelas.
35 repositórios no total
Torne-se um pesquisador/engenheiro de IA/ML de elite com este livro didático não convencional que aborda matemática, computação e aprendizado de máquina com intuição.
Lista de leitura para tópicos de pesquisa em aprendizado de máquina multimodal
Um framework de código aberto para treinar grandes modelos multimodais.
Código oficial usado para desenvolver Vision Transformer, SigLIP, MLP-Mixer, LiT e mais.
Construção de Robôs de Propósito Geral Baseada em Modelo de Fundação Incorporado
Modelos de Fundação Multimodais de Fronteira para Compreensão de Imagens e Vídeos
Uma implementação oficial para "CLIP4Clip: Um Estudo Empírico de CLIP para Recuperação de Clipes de Vídeo de Ponta a Ponta"
Uma coleção de recursos sobre aplicações de aprendizado multimodal em imagens médicas.
Artigos ICCV 2023-2025: Descubra pesquisas de ponta da ICCV 2023-25, a principal conferência de visão computacional. Mantenha-se atualizado sobre o que há de mais recente em visão computacional e aprendizado profundo, com código incluído. ⭐ Apoie o desenvolvimento da inteligência visual!
SONAR, um novo espaço de *embedding* de sentenças de tamanho fixo, multilíngue e multimodal, com um conjunto completo de codificadores e decodificadores de fala e texto.
Sobre o Mistério Oculto de OCR em Grandes Modelos Multimodais (OCRBench)
🍃 MINT-1T: Um conjunto de dados multimodal entrelaçado de um trilhão de tokens.
[CVPR 2023 Highlight & IJCV 2026] GRES: Segmentação Generalizada de Expressões Referenciais
Conjunto de dados de texto-vídeo em larga escala. 10 milhões de vídeos curtos legendados.
Modelo multimodal para dados de texto e tabulares com transformadores HuggingFace como bloco de construção para dados de texto
[NeurIPS 2021] Benchmarks Multiescala para Aprendizagem de Representação Multimodal
Este repositório contém código de avaliação para o artigo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Uma lista selecionada de recursos incríveis de visão e linguagem (ainda em construção... fique atento!)
Uma Pesquisa sobre Geração Aumentada por Recuperação Multimodal
Artigos da ICASSP 2023-2024: Uma coleção completa de artigos de pesquisa influentes e interessantes das conferências ICASSP 2023-24. Explore os avanços mais recentes em acústica, fala e processamento de sinais. Código incluído. Dê uma estrela ao repositório para apoiar o avanço do processamento de áudio e sinais!
[ICCV 2023 & TPAMI 2025] MeViS: Um benchmark em larga escala para segmentação de vídeo com expressões de movimento
rastreamento de artigos, conjuntos de dados e modelos de "modelo de linguagem grande (LLM) para séries temporais"
Perguntas Frequentes
Qual é o repositório de #multimodal-learning mais popular no GitHub?
O projeto de código aberto de #multimodal-learning mais bem classificado no GitHub é apple-aiml-research/ml-ferret, com 8,646 estrelas.
Quais linguagens de programação são mais usadas nos repositórios de #multimodal-learning?
Entre os projetos de #multimodal-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, HTML.
Como é calculada a classificação dos repositórios de #multimodal-learning?
Acompanhamos 35 repositórios ativos de código aberto marcados com #multimodal-learning (com mais de 500 estrelas), totalizando 63,371 estrelas e uma média de 1,810 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.