multimodal-deep-learning

LAVIS - 言語・視覚知能のためのオールインワンライブラリ

FinRobot: LLMを使用した金融アプリケーション向けオープンソースAIエージェントプラットフォーム 🚀 🚀 🚀

[ICLR 2024] 「Time-LLM: Time Series Forecasting by Reprogramming Large Language Models」の公式実装

(ෆ`꒳´ෆ) Text-to-Image 生成／合成に関するサーベイ。

PyTorchによる「BitNet: Scaling 1-bit Transformers for Large Language Models」の実装

Advanced Literate Machinery に向けた独創的で革新的なアイデアとアルゴリズムのコレクション。このプロジェクトは Alibaba Group 達摩院言語技術ラボ OCR チームによって維持されています。

PytorchのWide and Deepモデルを使用して、表形式データとテキスト・画像を組み合わせるための柔軟なマルチモーダルディープラーニングパッケージ

CVPRの最新成果（論文、コード、デモ動画など）を収集しています。おすすめの情報の提供を歓迎します！

awesome grounding：ビジュアルグラウンディングに関する厳選された研究論文リスト

医用画像におけるマルチモーダル学習の応用に関するリソース集。

「Blended Latent Diffusion」の公式実装 [SIGGRAPH 2023]

論文「MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI」の評価コードを含むリポジトリ

マルチモーダルデータセットを構築する 🎹