multi-modal

RAG tanpa parsing yang didukung oleh VLM.

FarmVibes.AI: Model ML Geospasial Multi-Modal untuk Pertanian dan Keberlanjutan

【ICLR 2024🔥】 Memperluas Pra-pelatihan Video-Bahasa ke N-modalitas melalui Penyelarasan Semantik Berbasis Bahasa

Gunakan model multi-modal late-interaction seperti ColPali hanya dengan beberapa baris kode.

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, generator animasi vektor berinstruksi multimodal sumber terbuka yang menghasilkan file JSON Lottie.

Pipeline OCR multimodal yang dioptimalkan untuk pelatihan ML (teks, gambar, matematika, tabel, diagram)

Model Pembuatan Visual yang Dapat Dikendalikan dan Disatukan

[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Pemodelan Dunia Terpadu yang Sadar Geometri

Demokratisasi RT-2 "RT-2: Model baru menerjemahkan visi dan bahasa ke dalam tindakan"

FashionCLIP adalah model mirip CLIP yang telah di-fine-tune untuk domain fesyen.

Generasi film AI paralel berbasis multi-model yang didorong oleh DAG — percepatan paralel berskala dengan independensi adegan; Menghasilkan adegan film secara bersamaan alih-alih satu per satu; Mesin penghasil film yang memodelkan ketergantungan narasi adegan sebagai DAG dan digerakkan oleh algoritma CPM untuk penjadwalan paralel.

🔥🔥🔥[AAAI 2026 Oral] Implementasi Resmi dari Robust-R1: Penalaran Sadar Degradasi untuk Pemahaman Visual yang Robust