multi-modal

RAG sin análisis sintáctico (parsing) compatible con VLM

FarmVibes.AI: modelos de ML geoespaciales multimodales para la agricultura y la sostenibilidad.

【ICLR 2024🔥】 Extensión del preentrenamiento de video-lenguaje a N-modalidades mediante alineación semántica basada en lenguaje

Utiliza modelos multimodales de interacción tardía como ColPali con solo unas pocas líneas de código.

[CVPR 2026🔥] OmniLottie, un generador de animaciones vectoriales instruido y multimodal de código abierto que produce archivos Lottie JSON.

Pipeline de OCR multimodal optimizado para entrenamiento de ML (texto, figuras, matemáticas, tablas, diagramas)

Modelo de generación visual controlable unificado.

[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Modelado mundial unificado con conciencia geométrica

Democratización de RT-2 "RT-2: Nuevo modelo que traduce visión y lenguaje en acciones".

FashionCLIP es un modelo tipo CLIP ajustado para el dominio de la moda.

Generación de cine con IA en paralelo impulsada por DAG multimodelo: la aceleración paralela escala con la independencia de la escena; genera escenas de cine simultáneamente en lugar de una por una; motor de generación cinematográfica que modela la narrativa de escenas como un DAG y utiliza el algoritmo CPM para la programación paralela.

🔥🔥🔥 [AAAI 2026 Oral] Implementación oficial de Robust-R1: Razonamiento consciente de la degradación para una comprensión visual robusta