mllm

[ICLR2026] JanusVLN: Decoupling Semantics and Spatiality with Dual Implicit Memory for Vision-Language Navigation 공식 구현

Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V 등 비전-언어 모델을 위한 ComfyUI 노드입니다. 오픈 어휘 탐지, SAM2/SAM3 세그멘테이션, 비디오 시간 추론, llama.cpp 기반 GGUF 및 호스팅된 LLM/VLM API를 지원합니다.

[ECCV2024] 로컬라이즈된 시각적 토큰화를 갖춘 접지형 멀티모달 대규모 언어 모델

NeurIPS 2024 논문: 이해, 생성, 세분화, 편집을 위한 통합 픽셀 레벨 Vision LLM

LLM 기반 멀티모달 생성(이미지, 비디오, 3D, 오디오) 관련 논문 큐레이션 리스트

Awesome Multimodal Modeling [MLLM, UMM 및 NMM 포함]