multi-modal

RAG sans analyse syntaxique (parsing-free) pris en charge par les VLM.

FarmVibes.AI : Modèles ML géospatiaux multimodaux pour l'agriculture et la durabilité

[ICLR 2024🔥] Extension du pré-entraînement vidéo-langage à la N-modalité par alignement sémantique basé sur le langage

Utilisez des modèles multimodaux à interaction tardive comme ColPali en quelques lignes de code.

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, un générateur d'animations vectorielles open-source multimodal piloté par instructions, produisant des fichiers JSON Lottie.

Pipeline OCR multi-modal optimisé pour l'entraînement du ML (texte, figure, mathématiques, tableaux, diagrammes)

Modèle unifié de génération visuelle contrôlable

[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether : modélisation mondiale unifiée consciente de la géométrie

Démocratisation de RT-2 "RT-2 : Un nouveau modèle traduit la vision et le langage en actions"

FashionCLIP est un modèle de type CLIP affiné pour le domaine de la mode.

Génération de films IA en parallèle pilotée par DAG multi-modèles : accélération parallèle proportionnelle à l'indépendance des scènes ; génération simultanée de scènes de film ; moteur de génération cinématographique modélisant les dépendances narratives sous forme de DAG et utilisant l'algorithme CPM pour l'ordonnancement parallèle.

🔥🔥🔥[Oral AAAI 2026] Implémentation officielle de Robust-R1 : Raisonnement conscient de la dégradation pour une compréhension visuelle robuste