Git Stars Git Stars

#multimodal Repositórios

183
Total de Repositórios
700,629
Total de estrelas
3,828
Média de Estrelas/Repositório

183 repositórios no total

151
taboospecialistblade/ai--manus2.0

AI Manus é um sistema de agente de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.

taboospecialistblade
⭐ 651 👤 taboospecialistblade User 🕐 Atualizado 2026-11-15 📅 Criado 2026-11-14
152
Tonephorepair/ai--manus2.0

AI Manus é um sistema de agentes de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente sandbox.

Tonephorepair
⭐ 650 👤 Tonephorepair User 🕐 Atualizado 2026-11-15 📅 Criado 2026-11-14
153
trackboatwrightplan/ai--manus2.0

AI Manus é um sistema de agentes de IA de uso geral que permite executar diversas ferramentas e operações em um ambiente isolado.

trackboatwrightplan
⭐ 649 👤 trackboatwrightplan User 🕐 Atualizado 2026-11-15 📅 Criado 2026-11-14
154
JIA-Lab-research/Seg-Zero

Página do Projeto para "Seg-Zero: Segmentação Guiada por Cadeia de Raciocínio via Reforço Cognitivo"

JIA-Lab-research
⭐ 647 Python 👤 JIA-Lab-research Organization 🕐 Atualizado 2026-01-17 📅 Criado 2025-03-07
155
Tencent-Hunyuan/Hunyuan3D-Omni

Hunyuan3D-Omni: Um framework unificado para geração controlada de ativos 3D

Tencent-Hunyuan
⭐ 643 Python 👤 Tencent-Hunyuan Organization 🕐 Atualizado 2025-10-17 📅 Criado 2025-09-25
156
AILab-CVC/SEED

Implementação oficial do SEED-LLaMA (ICLR 2024).

AILab-CVC
⭐ 638 Python 👤 AILab-CVC Organization 🕐 Atualizado 2024-09-21 📅 Criado 2023-07-15
157
SkalskiP/awesome-foundation-and-multimodal-models

👁️ + 💬 + 🎧 = 🤖 Lista curada dos principais modelos de fundação e multimodais! [Artigo + Código + Exemplos + Tutoriais]

SkalskiP
⭐ 635 Python 👤 SkalskiP User 🕐 Atualizado 2024-02-29 📅 Criado 2023-10-08
158
motis-project/motis

roteamento multimodal, geocodificação e azulejos de mapa

motis-project
⭐ 628 C++ 👤 motis-project Organization 🕐 Atualizado 2026-11-18 📅 Criado 2020-04-14
159
Denis2054/RAG-Driven-Generative-AI

Este repositório fornece programas para construir código de Geração Aumentada por Recuperação (RAG) para IA Generativa com LlamaIndex, Deep Lake e Pinecone, aproveitando o poder dos modelos OpenAI e Hugging Face para geração e avaliação.

Denis2054
⭐ 627 Jupyter Notebook 👤 Denis2054 User 🕐 Atualizado 2025-09-23 📅 Criado 2024-04-19
160
omriav/blended-latent-diffusion

Implementação oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]

omriav
⭐ 627 Jupyter Notebook 👤 omriav User 🕐 Atualizado 2024-06-04 📅 Criado 2022-06-06
161
turningpoint-ai/VisualThinker-R1-Zero

Explore o Momento 'Aha' Multimodal no Modelo 2B

turningpoint-ai
⭐ 623 Python 👤 turningpoint-ai Organization 🕐 Atualizado 2025-03-18 📅 Criado 2025-02-24
162
RobotecAI/rai

RAI é um framework agentic agnóstico de fornecedores para robótica Physical AI, utilizando ferramentas ROS 2 para realizar ações complexas, cenários definidos, execução de interface livre, resumos de logs, interação por voz e mais.

RobotecAI
⭐ 619 Python 👤 RobotecAI Organization 🕐 Atualizado 2026-11-11 📅 Criado 2024-06-04
163
MMMU-Benchmark/MMMU

Este repositório contém código de avaliação para o artigo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

MMMU-Benchmark
⭐ 601 Python 👤 MMMU-Benchmark Organization 🕐 Atualizado 2026-11-13 📅 Criado 2023-11-23
164
oxbshw/watch-skill

Dê olhos, ouvidos e resultados verificáveis aos agentes de IA. O Watch Skill transforma vídeos, áudio e atividades na tela em evidências pesquisáveis e com marcação de tempo, e comprova o trabalho por meio de contratos determinísticos, não de opiniões do modelo. DeepWatch é o espaço de trabalho para agentes desenvolvido com base no DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Atualizado 2026-11-16 📅 Criado 2026-07-05
165
baaivision/tokenize-anything

[ECCV 2024] Tokenizar Qualquer Coisa via Prompting

baaivision
⭐ 599 Jupyter Notebook 👤 baaivision Organization 🕐 Atualizado 2024-12-11 📅 Criado 2023-12-14
166
the-ai-merge/multimodal-agents-course

Um Agente de IA Multimodal MCP com olhos e ouvidos!

the-ai-merge
⭐ 587 Python 👤 the-ai-merge Organization 🕐 Atualizado 2026-01-05 📅 Criado 2025-04-07
167
vignshwarar/AI-Employe

Crie automação de navegador como se estivesse ensinando um humano usando GPT-4 Vision.

vignshwarar
⭐ 587 TypeScript 👤 vignshwarar User 🕐 Atualizado 2024-02-19 📅 Criado 2023-12-21
168
SAOS-3624/dsh-video-storyboard

Storyboard com reconhecimento de cenas para DeepSeek Harness: de 9 a 16 células numeradas com marcações de tempo + transcrição + envelope de áudio, reunidas em UMA única imagem (384 tokens). Duas ferramentas: video_storyboard e video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Atualizado 2026-11-21 📅 Criado 2026-10-26
169
FoundationVision/Groma

[ECCV2024] Modelo de Linguagem Grande Multimodal Fundamentado com Tokenização Visual Localizada

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 Atualizado 2024-06-07 📅 Criado 2024-04-21
170
omriav/blended-diffusion

Implementação oficial para "Difusão Mesclada para Edição de Imagens Naturais Orientada por Texto" [CVPR 2022]

omriav
⭐ 582 Jupyter Notebook 👤 omriav User 🕐 Atualizado 2024-06-04 📅 Criado 2021-11-29
171
microsoft/psi

Plataforma para Inteligência Situada

microsoft
⭐ 577 C# 👤 microsoft Organization 🕐 Atualizado 2026-10-19 📅 Criado 2016-09-09
172
ictnlp/LLaVA-Mini

LLaVA-Mini é um modelo multimodal grande unificado (LMM) que pode suportar a compreensão de imagens, imagens de alta resolução e vídeos de forma eficiente.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Atualizado 2025-06-29 📅 Criado 2025-01-07
173
alan-ai/alan-sdk-reactnative

O Sistema de Autocodificação para o Seu App — Alan AI SDK para React Native

alan-ai
⭐ 573 Ruby 👤 alan-ai Organization 🕐 Atualizado 2026-02-14 📅 Criado 2019-10-23
174
monatis/clip.cpp

Inferência CLIP em C/C++ puro sem dependências extras

monatis
⭐ 572 C++ 👤 monatis User 🕐 Atualizado 2026-08-24 📅 Criado 2023-04-28
175
Code-Amadeus/Amadeus

Agente de desktop multimodal em tempo real que evolui rumo a uma interface persistente de sistema operacional com IA (0.17 α).

Code-Amadeus
⭐ 570 Python 👤 Code-Amadeus Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-07-26
176
Flame-Code-VLM/Flame-Code-VLM

Flame é um sistema de IA multimodal de código aberto projetado para traduzir mockups de design de UI em código React de alta qualidade. Ele aproveita a modelagem visão-linguagem, a síntese automatizada de dados e fluxos de trabalho de treinamento estruturados para preencher a lacuna entre o design e o desenvolvimento front-end.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 Atualizado 2026-02-11 📅 Criado 2025-02-10
177
uclanlp/OpenVLHarness

Código oficial do OpenVLHarness: uso de ferramentas por agentes visuais no mundo real com memória multimodal

uclanlp
⭐ 557 Python 👤 uclanlp Organization 🕐 Atualizado 2026-11-10 📅 Criado 2026-10-15
178
vlm-run/vlmrun-hub

Um hub para vários esquemas específicos da indústria a serem usados com VLMs.

vlm-run
⭐ 555 Python 👤 vlm-run Organization 🕐 Atualizado 2025-12-15 📅 Criado 2024-11-11
179
OpenEnvision/Awesome-Multimodal-Modeling

Modelagem multimodal incrível [Cobre MLLM, UMM e NMM]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 Atualizado 2026-11-15 📅 Criado 2026-03-27
180
OmniJev/Flide

🔥🔥 O mecanismo de inferência extremamente rápido para modelos de decisão

OmniJev
⭐ 550 Python 👤 OmniJev Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-10-24
181
google/break-a-scene

Implementação oficial para "Break-A-Scene: Extraindo Múltiplos Conceitos de Uma Única Imagem" [SIGGRAPH Asia 2023]

google
⭐ 525 Python 👤 google Organization 🕐 Atualizado 2024-01-14 📅 Criado 2023-09-13
⭐ 517 Zig 👤 antflydb Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-03-15
183
hustvl/EVF-SAM

Código oficial de "EVF-SAM: Fusão Precoce Visão-Linguagem para Modelo Segment Anything com Prompt de Texto"

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Atualizado 2025-03-17 📅 Criado 2024-06-12