#multimodal Repositórios
183 repositórios no total
O Sistema de Auto-Codificação para Sua Aplicação — Alan AI SDK para Cordova
O WIT (Wikipedia-based Image Text) Dataset é um grande conjunto de dados multimodal e multilíngue que compreende mais de 37 milhões de conjuntos de imagem-texto com mais de 11 milhões de imagens únicas em mais de 100 idiomas.
[Destaque ICLR'24] Série de Grandes Modelos Multimodais Chinês e Inglês (Chat e Paint) | Série de Grandes Modelos Multimodais Bilíngues Chinês-Inglês Baseada no Modelo Fundamental CPM
[Candidato a Melhor Artigo ECCV 2024 & TPAMI 2025] PointLLM: Capacitando Grandes Modelos de Linguagem para Entender Nuvens de Pontos
Um modelo de representação geral que abrange as modalidades de visão, áudio e linguagem. Artigo: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities
🩺 O primeiro Modelo Médico Multimodal Chinês capaz de analisar radiografias de tórax | The first Chinese Medical Multimodal Model that Chest Radiographs Summarization.
Plataforma de workflows de IA generativa de nível empresarial, intuitiva para agentes e pessoas e orientada a modalidades
Raciocínio em Cadeia de Pensamento Multimodal: Uma Pesquisa Abrangente
Uma implementação oficial para "CLIP4Clip: Um Estudo Empírico de CLIP para Recuperação de Clipes de Vídeo de Ponta a Ponta"
Recursos, exemplos e tutoriais para IA multimodal, RAG e agentes usando pesquisa vetorial e LLMs
Modelos abertos de decisão multimodal, de 0,8B a 27B, para texto, imagens e vídeo. Tome decisões atribuindo probabilidades aos seus próprios candidatos e localize elementos com caixas delimitadoras, em vez de gerar texto. API gratuita, ONNX, GGUF, vLLM e SGLang; código de ajuste fino incluído.
Série NEO: Modelos Nativos de Visão-Linguagem a Partir dos Primeiros Princípios
⚡ Resolvedor de CAPTCHA compatível com YesCaptcha auto-hospedável, construído com FastAPI, Playwright e modelos multimodais compatíveis com OpenAI.
Sobre Este repositório é uma coleção curada dos artigos mais empolgantes e influentes da CVPR 2025. 🔥 [Artigo + Código + Demonstração]
Um modelo de linguagem multimodal unificado baseado na modelagem de sequências discretas
Monitoramento local + visão IA — Framework de monitoramento IA baseado em LAN alimentado por smartphone com saída de eventos estruturados para aquisição e análise de dados.
Halo é um framework de código aberto desenvolvido pela White Circle para treinar modelos de linguagem de grande escala e modelos multimodais
Uma série de modelos de 11B com pesos abertos para compreensão de vídeos longos e em tempo real
Um motor de treinamento de modelos multimodais simples e unificado. Leve, flexível e construído para a inovação em escala.
Um plugin local para conversas com muitas imagens no Codex, Claude Code e outros agentes de IA: imagens anteriores são substituídas por marcadores curtos, em vez de serem enviadas com cada mensagem; o modelo recupera o original pelo ID (mesmo após a compactação), e o cache de prompts continua funcionando.
[TMLR 2025🔥] Um levantamento sobre os modelos autorregressivos em visão.
Lista de artigos sobre modelos multimodais e grandes modelos de linguagem, utilizada apenas para registrar os trabalhos que leio diariamente no arXiv, para fins pessoais.
Paddle Multimodal Integration and eXploration, com suporte a tarefas multimodais predominantes, incluindo modelos de pré-treinamento multimodais de grande escala de ponta a ponta e um conjunto de ferramentas de modelos de difusão. Equipado com alto desempenho e flexibilidade.
Um modelo de código aberto para compreender fala, sons ambientes e música por meio de legendagem, perguntas e respostas e raciocínio
Uma Caixa de Ferramentas para Recomendação Multimodal. Integrando mais de 10 Modelos...
Este repositório contém o código para "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] e "MMEB-V3" [COLM 2026]
[ECCV 2024] InstructIR: Restauração de Imagem de Alta Qualidade Seguindo Instruções Humanas https://huggingface.co/spaces/marcosv/InstructIR
Second Brain é um framework agentivo que atua como um sistema operacional, utilizando inteligência de arquivos locais, automação de fluxos de trabalho e LLMs para completar tarefas e se comunicar por meio de múltiplas modalidades e plataformas de mensagens.
Um Agent Skill universal para cards holográficos, compatível com qualquer host e modelo multimodal. A partir de uma única frase, gera uma página web com cards 3D que podem ser arrastados e girados, com efeitos de luz fluida e profundidade em camadas. Inclui um projeto Blender editável.
Um mecanismo nativo de inferência de LLM e runtime de agentes em .NET para modelos GGUF. O TensorSharp oferece um aplicativo de console, uma interface de chatbot baseada na Web, um aplicativo para iPhone e APIs HTTP compatíveis com Ollama/OpenAI para acesso programático. É compatível com Windows, macOS, iOS e Linux, com suporte completo a GPU.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
Um motor de aprendizado por reforço assíncrono para pós-treinamento omnimodal em larga escala
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente isolado.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
✨✨Últimos Artigos e Benchmarks em Raciocínio com Modelos de Fundação
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agente de IA de uso geral que oferece suporte à execução de diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente isolado.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agentes de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.
AI Manus é um sistema de agente de IA de uso geral que permite executar várias ferramentas e operações em um ambiente isolado.