マルチモーダルVEGA-3D
VEGA-3Dは、「Generation Models Know Space: Unleashing Implicit 3D Priors for Scene Understanding」の公式実装…
★ 419 ⑂ 23 Apache-2.0 2026-06-18
マルチモーダル (298 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antfly
Antflyは、etcdのRaftライブラリを基盤とした分散型検索エンジンです。フルテキスト検索（BM25）、ベクトル類似性、…
★ 403 ⑂ 26 NOASSERTION 2026-07-07
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…
★ 393 ⑂ 23 2026-07-07
マルチモーダルRISE
RISEは、自己改善型のロボットポリシーを構築するためのフレームワークです。ワールドモデルを実世界でのロボット操…
★ 308 ⑂ 19 2026-06-04
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…
★ 277 ⑂ 8 MIT 2026-06-27
マルチモーダルThinking-with-Visual-Primitives
「Thinking with Visual Primitives」は、Multimodal Large Language Models (MLLM) が抱える「Reference Gap」を解…
★ 266 ⑂ 64 MIT 2026-06-17
マルチモーダルgenblaze
Genblazeは、生成AIによるビデオ、画像、オーディオのメディアパイプラインを構築・オーケストレーションするためのP…
★ 256 ⑂ 9 MIT 2026-07-02
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…
★ 250 ⑂ 61 MIT 2026-04-26
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…
★ 242 ⑂ 25 Apache-2.0 2026-05-19
マルチモーダルllm-intern-skill
「LLMInternSkill」は、大規模言語モデル（LLM）関連のインターンシップやAI分野での就職活動を目指す学生・求職者向…
★ 234 ⑂ 11 MIT 2026-06-04
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…
★ 215 ⑂ 16 MIT 2026-06-29
マルチモーダル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…
★ 211 ⑂ 33 MIT 2026-06-14
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…
★ 205 ⑂ 23 Apache-2.0 2026-05-13
マルチモーダル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…
★ 187 ⑂ 5 2026-06-10
マルチモーダルScreenMind
ScreenMindは、PCの画面活動をAIでキャプチャ、分析し、検索可能なプライベートAIメモリを構築するツールです。Gemma…
★ 161 ⑂ 9 MIT 2026-06-29
マルチモーダルMultimodal-Recommendation-Library
MRLibは、マルチモーダル推薦システムの研究開発に特化したオープンソースライブラリです。画像、テキスト、音声など…
★ 157 ⑂ 14 MIT 2026-05-08
マルチモーダルEI-Beginner
このリポジトリは、OpenMOSS研究室が提供する具身知能および人型ロボット知能の入門実践チュートリアルです。ロボッ…
★ 156 ⑂ 7 2026-05-27
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…
★ 148 ⑂ 8 Apache-2.0 2026-07-07
マルチモーダルICLR2026-Guide-CN
本ツールは、ICLR 2026の全5,352論文を大規模言語モデル（LLM）が分析し、その内容を「研究動機」「解決問題」「主要…
★ 141 ⑂ 7 2026-04-29
マルチモーダルcount-anything
Count Anythingは、テキストクエリに基づいて画像内のあらゆるオブジェクトを数えることができる汎用モデルです。自…
★ 134 ⑂ 7 Apache-2.0 2026-07-02
マルチモーダルguardian-sdk
Ethicore Engine™ — Guardian SDKは、Python製のLLMおよびエージェントアプリケーション向けの、リアルタイム脅威検…
★ 109 ⑂ 11 NOASSERTION 2026-06-28
マルチモーダルAwesome-Embodied-AI-Safety
このリポジトリは、Embodied AI（身体を持つAI）の安全性に関する包括的な調査と、その分野で初の統一的な安全フレー…
★ 103 ⑂ 4 NOASSERTION 2026-06-23
マルチモーダルWebDroid-Agent
WebDroid Agentは、ブラウザベースのAndroidスマートフォンエージェント実験プロジェクトです。WebUSB/WebADBを介し…
★ 103 ⑂ 21 MIT 2026-05-28
マルチモーダルcc-VisionRouter
cc-VisionRouterは、Claude Code環境で画像非対応のLLMを利用する際に、画像を含むリクエストを自動的にマルチモーダ…
★ 96 MIT 2026-06-07