vlm

Plataforma de ingeniería VLA todo en uno para IA incorporada, desde los datos hasta el despliegue en robots reales.

MiMo-VL

La colección más completa, actualizada y popular de más de 100 habilidades destiladas de personalidades | Sistemas multi-agente | Celebridades, directores, expertos de Tianya, textos antiguos, anime, lugar de trabajo y categorías de emociones

🤗 Optimum Intel: Acelere la inferencia con herramientas de optimización de Intel

ScreenAgent: Un agente de control de computadora impulsado por un modelo de lenguaje visual (IJCAI-24).

An open-weight 11B model series for long-form and real-time video understanding

Go con inteligencia propia: aplicaciones en Go que integran directamente llama.cpp para inferencia local mediante aceleración por hardware.

Nodos de ComfyUI para modelos de lenguaje visual: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Incluye detección de vocabulario abierto, segmentación SAM2/SAM3, razonamiento temporal de video, GGUF mediante llama.cpp y APIs de LLM/VLM alojadas.

RAI es un framework de agentes agnóstico al proveedor para robótica de IA física, que utiliza herramientas de ROS 2 para realizar acciones complejas, escenarios definidos, ejecución de interfaz libre, resúmenes de registros, interacción por voz y más

Herramienta de programación creativa, 3D y procesamiento de imágenes para Node, inspirada en Quartz Composer.

Flame es un sistema de IA multimodal de código abierto diseñado para traducir maquetas de diseño de interfaz de usuario a código React de alta calidad. Aprovecha el modelado de lenguaje visual, la síntesis de datos automatizada y flujos de trabajo de entrenamiento estructurados para cerrar la brecha entre el diseño y el desarrollo front-end.

Utiliza el reMarkable2 como interfaz para vision-LLMs (ChatGPT, Claude, Gemini). ¡El fantasma en la máquina!

Un centro para diversos esquemas específicos de la industria para su uso con VLM.

A high-performance framework for training LLMs, VLMs, diffusion, and embodied models on NVIDIA GPUs and Kunlun XPUs.

Awesome Multimodal Modeling [cubre MLLM, UMM y NMM]

Una lista curada de artículos destacados sobre IA encarnada y recursos relacionados de investigación o industria.

Este repositorio enumera proyectos destacados de código abierto sobre CUDA, cuda-python, cuBLAS, cuDNN, CUTLASS, TensorRT, TensorRT-LLM, Triton, TVM, MLIR, PTX y computación de alto rendimiento (HPC).