主題 · multi-modal

multi-modal

標記 multi-modal 主題、收錄中的開源專案，依星數排序。

共 42 個專案

#31
VisRAG ↗@OpenBMBPython
由 VLM 支援的無解析 RAG
★ 979-1近 7 天星數變化
#32
farmvibes-ai ↗@microsoftJupyter Notebook
FarmVibes.AI：用於農業與永續發展的多模態地理空間 ML 模型
★ 895+0近 7 天星數變化
#33
LanguageBind ↗@PKU-YuanGroupPython
【ICLR 2024🔥】透過基於語言的語意對齊將視訊語言預訓練擴展至 N 模態
★ 885+0近 7 天星數變化
#34
byaldi ↗@AnswerDotAIPython
只需幾行程式碼即可使用 ColPali 等後期互動多模態模型
★ 852+0近 7 天星數變化
#35
OmniLottie ↗@OpenVGLabPython
[CVPR 2026🔥] 🧑‍🎨 OmniLottie，一個開源的多模態指令式向量動畫生成器，可輸出 Lottie JSON。
★ 775+3近 7 天星數變化
#36
Versatile-OCR-Program ↗@raphael-seoPython
針對 ML 訓練最佳化的多模態 OCR 管線（文字、圖形、數學、表格、圖表）
★ 675+0近 7 天星數變化
#37
UniControl ↗@salesforcePython
統一的可控視覺生成模型
★ 662+0近 7 天星數變化
#38
Aether ↗@InternRoboticsPython
[ICCV 2025 & ICCV 2025 RIWM 傑出論文] Aether：幾何感知統一世界模型。
★ 609+0近 7 天星數變化
#39
RT-2 ↗@kyegomezPython
RT-2 的民主化，「RT-2：將視覺與語言轉化為行動的新模型」。
★ 583-1近 7 天星數變化
#40
fashion-clip ↗@patrickjohncyhPython
FashionCLIP 是一個針對時尚領域微調的類 CLIP 模型。
★ 537+3近 7 天星數變化
#41
forge-film ↗@F-R-LPython
基於 DAG 的多模型平行 AI 影視生成引擎。平行加速隨場景獨立性擴展；同時生成影視場景而非逐一生成；將影視生成的執行圖從拓撲序轉為關鍵路徑最佳排程；唯一將場景敘事依賴建模為 DAG 並以 CPM 演算法驅動平行排程的影視生成引擎。
★ 536+0近 7 天星數變化
#42
Robust-R1 ↗@jqtangustPython
🔥🔥🔥[AAAI 2026 Oral] Robust-R1 官方實作：用於穩健視覺理解的降級感知推理
★ 511+0近 7 天星數變化

← 返回主題列表