multi-modal

Bangun dan jalankan agen yang dapat Anda lihat, pahami, dan percayai.

MLLM seukuran saku untuk pemahaman gambar dan video yang sangat efisien di ponsel Anda

Framework open-source untuk agen AI suara percakapan

[CVPR 2024 Oral] Keluarga InternVL: Alternatif Open-Source Perintis untuk GPT-4o. Model dialog multimodal open-source dengan performa mendekati GPT-4o

ModelScope: wujudkan konsep Model-sebagai-Layanan (Model-as-a-Service).

Rangkaian AI yang didukung oleh model mutakhir dan menyediakan fungsi AI/AGI tingkat lanjut. Termasuk persona AI, fungsi AGI, obrolan multi-model Beam kelas dunia, teks-ke-gambar, suara, streaming respons, penyorotan dan eksekusi kode, impor PDF, preset untuk pengembang, dan banyak lagi. Terapkan secara on-premise atau di cloud.

Pemrosesan data untuk dan dengan foundation models! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

model bahasa visual terbuka tingkat state-of-the-art | model pra-pelatihan multimodal

Mesin perutean sumber terbuka untuk OpenStreetMap.

Versi bahasa Mandarin dari CLIP yang mencapai pengambilan lintas modal dan pembuatan representasi dalam bahasa Mandarin.

Implementasi / replikasi DALL-E, Transformer Text-to-Image OpenAI, di Pytorch

Pencarian dan Penemuan E-commerce - marqo.ai

[EMNLP 2022] Toolkit terbuka untuk ekstraksi dan konstruksi Knowledge Graph

Toolkit evaluasi open-source untuk large multi-modality models (LMMs), mendukung 220+ LMM, 80+ benchmark

OmniGen: Unified Image Generation. https://arxiv.org/pdf/2409.11340

Model bahasa percakapan multimodal bahasa Mandarin dan Inggris.

Pustaka C#/.NET untuk menjalankan LLM (🦙LLaMA/LLaVA) di perangkat lokal Anda secara efisien.

【EMNLP 2024🔥】Video-LLaVA: Mempelajari Representasi Visual Terpadu melalui Penyelarasan Sebelum Proyeksi

Ekosistem asisten AI open-source dengan integrasi MCP, alur kerja multimodal, dukungan IoT, dan interaksi suara lintas platform.

Merepresentasikan, mengirim, menyimpan, dan mencari data multimodal

Halaman Proyek untuk "LISA: Reasoning Segmentation via Large Language Model"

Model multimodal sumber terbuka setingkat GPT4V berbasis Llama3-8B.

【TMM 2025🔥】 Mixture-of-Experts untuk Model Visi-Bahasa Besar

Koleksi makalah klasik industri dan mutakhir di bidang rekomendasi/periklanan/pencarian.

[NeurIPS 2023] MotionGPT: Gerakan Manusia sebagai Bahasa Asing, model generatif gerakan-bahasa terpadu menggunakan LLM

Antarmuka GPT yang tangguh dan serbaguna untuk Discord. Percakapan ala ChatGPT, pembuatan gambar, moderasi AI, indeks/basis pengetahuan kustom, ringkasan youtube, dan banyak lagi!

Keluarga SALMONN: Sekumpulan multi-modal LLM tingkat lanjut

[pip install medmnist] 18 Dataset Standar untuk Klasifikasi Citra Biomedis 2D dan 3D

Implementasi PyTorch dari Transfusion, "Predict the Next Token and Diffuse Images with One Multi-Modal Model", dari MetaAI

Repositori ini mengumpulkan makalah untuk "A Survey on Knowledge Distillation of Large Language Models". Kami memecah KD menjadi Knowledge Elicitation dan Algoritma Distilasi, serta mengeksplorasi Skill & Vertical Distillation dari LLM.