multimodal-deep-learning

LAVIS - 一站式語言視覺智慧函式庫

FinRobot：使用 LLM 的金融應用開源 AI 代理平台 🚀 🚀 🚀

[ICLR 2024] "🦙 Time-LLM: Time Series Forecasting by Reprogramming Large Language Models" 的官方實現

(ෆ`꒳´ෆ) 文本到影像生成/合成綜述。

在 pytorch 中實作「BitNet: Scaling 1-bit Transformers for Large Language Models」

朝向先進文學機器（Advanced Literate Machinery）的原創創新點子與演算法集合。本專案由阿里巴巴集團通義實驗室語言技術實驗室 OCR 團隊維護。

一個在 Pytorch 中使用 Wide and Deep 模型將表格資料與文字和圖像結合的彈性多模態深度學習套件

收集 CVPR 最新的成果，包括論文、程式碼和 demo 影片等，歡迎大家推薦！

視覺接地（visual grounding）研究論文精選清單

多模態學習在醫學影像應用之資源集合。

「Blended Latent Diffusion」[SIGGRAPH 2023] 的官方實作

此儲存庫包含論文「MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI」的評估程式碼

組合多模態資料集 🎹