主题 · multi-modal

multi-modal

标记 multi-modal 主题、收录中的开源项目，按星标数排序。

共 42 个项目

#31
VisRAG ↗@OpenBMBPython
由 VLM 支持的无解析 RAG
★ 979+0近 7 天星标变化
#32
farmvibes-ai ↗@microsoftJupyter Notebook
FarmVibes.AI：用于农业与可持续发展的多模态地理空间 ML 模型
★ 896+0近 7 天星标变化
#33
LanguageBind ↗@PKU-YuanGroupPython
【ICLR 2024🔥】通过基于语言的语义对齐将视频语言预训练扩展至 N 模态
★ 885+0近 7 天星标变化
#34
byaldi ↗@AnswerDotAIPython
只需几行代码即可使用 ColPali 等后期互动多模态模型
★ 851-1近 7 天星标变化
#35
OmniLottie ↗@OpenVGLabPython
[CVPR 2026🔥] 🧑‍🎨 OmniLottie，一个开源的多模态指令式矢量动画生成器，可输出 Lottie JSON。
★ 777+5近 7 天星标变化
#36
Versatile-OCR-Program ↗@raphael-seoPython
针对 ML 训练优化的多模态 OCR 流水线（文本、图形、数学、表格、图表）
★ 675-1近 7 天星标变化
#37
UniControl ↗@salesforcePython
统一的可控视觉生成模型
★ 662+0近 7 天星标变化
#38
Aether ↗@InternRoboticsPython
[ICCV 2025 & ICCV 2025 RIWM 杰出论文] Aether：几何感知统一世界模型。
★ 609+0近 7 天星标变化
#39
RT-2 ↗@kyegomezPython
RT-2 的民主化，“RT-2：将视觉与语言转化为行动的新模型”。
★ 583-1近 7 天星标变化
#40
forge-film ↗@F-R-LPython
基于 DAG 的多模型并行 AI 影视生成引擎。并行加速随场景独立性扩展；同时生成影视场景而非逐一生成；将影视生成的执行图从拓扑序转为关键路径最优调度；唯一将场景叙事依赖建模为 DAG 并以 CPM 算法驱动并行调度的影视生成引擎。
★ 537+2近 7 天星标变化
#41
fashion-clip ↗@patrickjohncyhPython
FashionCLIP 是一个针对时尚领域微调的类 CLIP 模型。
★ 537+2近 7 天星标变化
#42
Robust-R1 ↗@jqtangustPython
🔥🔥🔥[AAAI 2026 Oral] Robust-R1 官方实现：用于稳健视觉理解的降级感知推理
★ 511+0近 7 天星标变化

← 返回主题列表