multi-modal

RAG sem parsing suportado por VLM

FarmVibes.AI: Modelos de ML geoespaciais multimodais para agricultura e sustentabilidade.

【ICLR 2024🔥】 Estendendo o pré-treinamento de vídeo-linguagem para N-modalidades por alinhamento semântico baseado em linguagem

Use modelos multimodais de interação tardia, como o ColPali, em apenas algumas linhas de código.

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, um gerador de animação vetorial instruída multimodal de código aberto que produz arquivos JSON Lottie.

Pipeline de OCR multimodal otimizado para treinamento de ML (texto, figuras, matemática, tabelas, diagramas)

Modelo de geração visual controlável unificado

[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Modelagem de mundo unificada com consciência geométrica

Democratização do RT-2 "RT-2: Novo modelo traduz visão e linguagem em ação"

FashionCLIP é um modelo semelhante ao CLIP ajustado para o domínio da moda.

Geração de filmes com IA paralela orientada por DAG multi-modelo — aceleração paralela escalável com a independência das cenas; gera cenas de filme simultaneamente em vez de uma a uma; motor de geração de filmes que modela dependências narrativas como um DAG e utiliza o algoritmo CPM para agendamento paralelo

🔥🔥🔥[AAAI 2026 Oral] Official Implementation of Robust-R1: Degradation-Aware Reasoning for Robust Visual Understanding