multimodal-learning

Trở thành một nhà nghiên cứu/kỹ sư AI/ML xuất sắc với cuốn sách giáo khoa phi truyền thống này bao gồm toán học, điện toán và ML bằng trực giác.

Danh sách tài liệu đọc cho các chủ đề nghiên cứu về học máy đa phương thức

Một framework mã nguồn mở để huấn luyện các mô hình đa phương thức lớn.

Học nhắc lệnh cho các mô hình Thị giác-Ngôn ngữ (IJCV'22, CVPR'22)

[CVPR 2024 & TPAMI 2025] UniRepLKNet

Framework so sánh cho hệ thống gợi ý đa phương thức

Bản triển khai chính thức cho "CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval".

Bộ sưu tập tài nguyên về các ứng dụng của học tập đa phương thức trong chẩn đoán hình ảnh y tế.

Các bài báo ICCV 2023-2025: Khám phá nghiên cứu tiên tiến từ ICCV 2023-25, hội nghị hàng đầu về thị giác máy tính. Cập nhật những tin tức mới nhất về thị giác máy tính và deep learning, kèm theo mã nguồn. ⭐ Hỗ trợ phát triển trí tuệ thị giác!

🍃 MINT-1T: Một tập dữ liệu đa phương thức xen kẽ với một nghìn tỷ token

[CVPR 2023 Highlight & IJCV 2026] GRES: Phân đoạn biểu thức tham chiếu tổng quát

[NeurIPS 2021] Các tiêu chuẩn đa quy mô cho học biểu diễn đa phương thức

Mô hình đa phương thức cho dữ liệu văn bản và bảng biểu với HuggingFace transformers làm nền tảng cho dữ liệu văn bản

Kho lưu trữ này chứa mã đánh giá cho bài báo "MMMU: Một điểm chuẩn hiểu và suy luận đa phương thức đa ngành lớn cho AGI chuyên gia"

Danh sách tổng hợp các tài nguyên tuyệt vời về thị giác và ngôn ngữ (vẫn đang trong quá trình xây dựng... hãy đón chờ!)

Khảo sát về thế hệ tăng cường truy xuất đa phương thức (Multimodal RAG)

Tuyển tập các bài báo nghiên cứu từ hội nghị ICASSP 2023-2024. Khám phá những tiến bộ mới nhất trong lĩnh vực âm thanh, giọng nói và xử lý tín hiệu, bao gồm cả mã nguồn

[ICCV 2023 & TPAMI 2025] MeViS: Điểm chuẩn quy mô lớn cho phân đoạn video với các biểu đạt chuyển động

Tiền huấn luyện đa phương thức (Multi-modality pre-training).