マルチモーダルAwesome-Multimodal-Modeling
このリポジトリは、マルチモーダルモデリングに関する包括的な調査と厳選されたリストです。伝統的なマルチモーダル…
★ 327 ⑂ 17 2026-05-09
マルチモーダル (159 repos)
カテゴリ「マルチモーダル」のリポジトリ一覧
マルチモーダル マルチモーダル
HF Qwen3.6-27B-Uncensored-HauhauCS-Aggressive
Qwen3.6-27Bをベースに、応答拒否を抑えたGGUF配布モデルです。Aggressive版は過激な指示でも前置きや言い訳を減らし…
❤ 312 ↓ 481.8k apache-2.0 2026-04-24
マルチモーダルsam3.1
SAM 3.1は、Metaの画像・動画向けプロンプト可能セグメンテーション基盤モデルSAM 3の改良版チェックポイントです。…
❤ 246 ↓ 269.9k other 2026-03-27
マルチモーダル
GitHub autoresearch-qwen
autoresearch-qwenは、Qwen3-VL-4B-InstructモデルをDocumentVQAベンチマークで自律的に改善することを目的とした研…
★ 209 ⑂ 33 MIT 2026-05-12
マルチモーダルWindsurfPoolAPI
このツールは、Windsurf AIプラットフォーム向けのエンタープライズ級マルチアカウントプールプロキシ「WindsurfPool…
★ 209 ⑂ 51 MIT 2026-04-26
マルチモーダルawesome-agentic-world-modeling
「Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond」という論文に付随するリポジトリで、Agen…
★ 209 ⑂ 5 MIT 2026-05-11
マルチモーダルknowledgeops-agent
「KnowledgeOps Agent」は、Spring AIを基盤としたエンタープライズ向けのマルチエージェントAIプラットフォームです…
★ 208 ⑂ 11 MIT 2026-05-12
マルチモーダルaudio-flamingo-3-hf
Audio Flamingo 3は、音声・環境音・音楽を横断して理解し、文字起こし、音の内容把握、推論、対話まで行えるオープ…
❤ 183 ↓ 178.6k other 2026-04-13
マルチモーダル
HF nemotron-ocr-v2
Nemotron OCR v2は、複雑な実写画像や文書画像から文字を高精度かつ高速に抽出する、NVIDIAの商用利用可能な多言語OC…
❤ 179 ↓ 2.4k other 2026-04-28
マルチモーダルOpenSearch-VL
OpenSearch-VLは、最先端のマルチモーダル深層検索エージェントを訓練するためのオープンソースのレシピです。単一の…
★ 175 ⑂ 14 Apache-2.0 2026-05-13
画像生成DISCO
DISCOは、タンパク質配列と3次元構造を同時に設計できる拡散ベースのマルチモーダル生成モデルです。小分子リガンド…
★ 174 ⑂ 20 Apache-2.0 2026-04-09
マルチモーダルGraph-CAD
Graph-CADは、自然言語の指示から実行可能なBlender用CADコードを自動生成するための、グラフ媒介型Text-to-CADフレ…
★ 167 ⑂ 12 2026-03-30
マルチモーダル
GitHub Awesome-VLM-Streaming-Video
このリポジトリは、Vision-Language Models (VLM) をストリーミングビデオに応用する研究と開発のための、厳選された…
★ 156 ⑂ 4 2026-05-12
マルチモーダルcerul
Cerulは、AIエージェント向けの動画検索レイヤーであり、音声だけでなく、スライド、グラフ、デモ、画面上のテキスト…
★ 136 ⑂ 6 Apache-2.0 2026-05-18
マルチモーダルQwen3.5-9B-DeepSeek-V4-Flash-GGUF
Qwen3.5-9Bをベースに、DeepSeek-V4由来の高品質な推論データで蒸留した軽量推論モデルのREADMEです。多段階の論理展…
❤ 131 ↓ 178.2k apache-2.0 2026-05-02
マルチモーダルQwen3.6-27B-Heretic-Uncensored-FINETUNE-NEO-CODE-Di-IMatrix-MAX-GGUF
このREADMEは、Qwen 3.6 27Bをベースに検閲緩和と追加ファインチューニングを施し、さらにGGUF量子化版を多数用意し…
❤ 131 ↓ 197.1k apache-2.0 2026-04-30
マルチモーダルGEMS
GEMSは、エージェントネイティブなマルチモーダル生成のための先進的なフレームワークです。記憶とスキルを活用し、K…
★ 127 ⑂ 10 2026-04-01
ComfyUIComfyUI-Ollama-Describer
ComfyUI-Ollama-Describerは、ComfyUIの拡張機能で、Ollamaの多様なLLMモデル（Gemma、Llava、Llama2/3、Mistralなど…
★ 116 ⑂ 23 MIT 2026-03-19
マルチモーダルQwopus3.6-35B-A3B-v1-GGUF
Qwopus3.6-35B-A3B-v1-GGUFは、Qwen3.6-35B-A3BをベースにLoRAで推論能力を強化した実験的なGGUF形式モデルです。35B…
❤ 111 ↓ 67.2k apache-2.0 2026-05-07
マルチモーダルmusic-flamingo-2601-hf
Music Flamingoは、音楽や楽曲の理解に特化したNVIDIAの大規模音声言語モデルです。曲調、テンポ、キー、楽器構成、…
❤ 99 ↓ 106.8k other 2026-04-09
マルチモーダル
HF tipsv2-b14
TIPSv2 B/14は、画像とテキストを同じ埋め込み空間で扱えるGoogle系の視覚言語モデルです。画像全体の特徴量だけでな…
❤ 97 ↓ 12.6k apache-2.0 2026-04-14
マルチモーダルmusic-flamingo-hf
Music Flamingoは、楽曲やインストゥルメンタル音源を対象に、ジャンル・テンポ・キー・楽器構成・雰囲気・歌詞や文…
❤ 95 ↓ 9.6k other 2026-04-04
マルチモーダルFalcon-OCR
Falcon OCRは、画像から文書テキストを抽出する300Mパラメータ級の軽量OCR向けビジョン言語モデルです。通常の文字起…
❤ 94 ↓ 19.9k apache-2.0 2026-04-01
マルチモーダル
GitHub facio
Facioは、長期間のワークフローにおいて人間が介入できる、セキュアで追跡可能なプロアクティブAIエージェントです。…
★ 93 ⑂ 1 AGPL-3.0 2026-05-12