multimodal-learning

Menjadi peneliti/insinyur AI/ML yang mahir dengan buku teks tidak konvensional yang mencakup matematika, komputasi, dan ML dengan pendekatan intuitif.

Daftar bacaan untuk topik penelitian dalam machine learning multimodal.

Kerangka kerja sumber terbuka untuk melatih model multimodal besar.

Prompt Learning untuk Vision-Language Models (IJCV'22, CVPR'22).

[CVPR 2024 & TPAMI 2025] UniRepLKNet

Kerangka Kerja Perbandingan untuk Sistem Rekomendasi Multimodal

Implementasi resmi untuk "CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval"

Kumpulan sumber daya tentang penerapan pembelajaran multi-modal dalam pencitraan medis.

Makalah ICCV 2023-2025: Temukan riset mutakhir dari ICCV 2023-25, konferensi computer vision terkemuka. Tetap perbarui perkembangan terbaru dalam computer vision dan deep learning, lengkap dengan kode. ⭐ dukung pengembangan kecerdasan visual!

🍃 MINT-1T: Kumpulan data multimodal terselip satu triliun token.

[CVPR 2023 Highlight & IJCV 2026] GRES: Generalized Referring Expression Segmentation.

[NeurIPS 2021] Benchmark Skala Multipel untuk Pembelajaran Representasi Multimodal

Model multimodal untuk data teks dan tabular dengan HuggingFace transformers sebagai blok penyusun data teks.

Repositori ini berisi kode evaluasi untuk makalah "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

Daftar kurasi sumber daya vision and language yang luar biasa (masih dalam tahap pembangunan... nantikan terus!)

Survei tentang Multimodal Retrieval-Augmented Generation

Makalah ICASSP 2023-2024: Kumpulan lengkap makalah penelitian yang berpengaruh dan menarik dari konferensi ICASSP 2023-24. Jelajahi kemajuan terbaru dalam akustik, ucapan, dan pemrosesan sinyal. Kode disertakan. Beri bintang pada repositori untuk mendukung kemajuan pemrosesan audio dan sinyal!

[ICCV 2023 & TPAMI 2025] MeViS: Tolok Ukur Skala Besar untuk Segmentasi Video dengan Ekspresi Gerakan

Pra-pelatihan multimodal.