マルチモーダルawesome-modality-missing-learning
このリポジトリは、モダリティ欠落学習（Modality Missing Learning, MML）および不完全マルチモーダル学習に関する…
★ 89 ⑂ 3 MIT 2026-06-27
マルチモーダル (296 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braviadev
このリポジトリは、修士号を持つコンピュータサイエンスの専門家であり、フルスタックエンジニア、そして博士課程の…
★ 84 ⑂ 1 2026-07-14
マルチモーダルLabVLA
LabVLAは、Qwen3-VL-4B-Instructビジョン言語モデルを、DiTフローマッチングアクションエキスパートと独自のπ0.5レシ…
★ 83 ⑂ 4 MIT 2026-07-04
マルチモーダルMOSS-Audio-8B-Thinking
MOSS-Audio-8B-Thinkingは、音声・環境音・音楽を横断的に理解できるオープンソースの音声理解モデルです。文字起こ…
❤ 78 ↓ 27.2k apache-2.0 2026-06-11
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…
★ 77 MIT 2026-06-07
マルチモーダルGEditBench_v2
GEditBench v2は、汎用画像編集モデルの性能を人間が調整した基準で評価するための包括的なベンチマークです。1,200…
★ 59 ⑂ 1 2026-06-18
マルチモーダルOmniVideo-100K
「OmniVideo-100K」は、音声・視覚推論能力の向上を目指す大規模データセットと、そのための自動データ合成エンジン…
★ 56 ⑂ 2 Apache-2.0 2026-07-08
マルチモーダルGameVerse
GameVerseは、動画ベースの反射学習を通じてVision-Language Models (VLMs) がゲームプレイを学習できるかを検証する…
★ 50 MIT 2026-07-13
マルチモーダルMOSS-Audio-8B-Instruct
MOSS-Audio-8B-Instructは、音声・環境音・音楽をまとめて理解できるオープンソースの音声理解モデルです。音声認識…
❤ 48 ↓ 28.0k apache-2.0 2026-06-11
マルチモーダルrs-paper-hub
RS-Paper-Hubは、arXivからリモートセンシングおよび地球観測関連の論文を自動的に収集、整理、分類、タスクタグ付け…
★ 45 ⑂ 7 2026-07-14
マルチモーダルScreenClaw
ScreenClaw（睇虾）は、AIアプリケーションとデスクトップソフトウェアを連携させるためのローカル実行型ミドルウェ…
★ 45 ⑂ 10 MIT 2026-06-23
マルチモーダルVisualClaw
VisualClawは、物理世界向けのリアルタイムでパーソナライズされたエージェントを構築するための自己進化型マルチモ…
★ 44 ⑂ 3 MIT 2026-06-16
マルチモーダルtianji-ai-agent
tianji-ai-agentは、Spring AIエージェント工学のプロジェクトであり、オンラインコースの顧客サービスシナリオに特…
★ 44 ⑂ 2 MIT 2026-06-29
マルチモーダルPatentRadar
PatentRadarは、特許公開番号を入力するだけで、弁護士やエンジニアが直接レビュー可能なクレームチャート報告書を自…
★ 44 ⑂ 8 2026-06-11
マルチモーダルOmniAgent
OmniAgentは、動画コンテンツを効率的に理解するための革新的なオムニモーダルAIエージェントです。従来のモデルとは…
★ 43 ⑂ 5 Apache-2.0 2026-07-03
マルチモーダルARIS-Movie-Director
ARIS-Movie-Directorは、曖昧なストーリーの指示から、AIエージェントが生成と監査を行い、イメージベースのムービー…
★ 42 ⑂ 3 MIT 2026-07-12
マルチモーダルMedia-AI
このリポジトリは、2025年から2026年にかけてのAIメディア生成ツールの決定版マスターリストです。画像、動画、音声…
★ 39 ⑂ 7 2026-06-24
マルチモーダルawesome-gemini-omni
このリポジトリは、Googleの次世代マルチモーダルAIモデル「Gemini Omni」に関する厳選されたリソース集です。テキス…
★ 29 ⑂ 1 CC0-1.0 2026-05-31
マルチモーダル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。…
★ 27 ⑂ 1 AGPL-3.0 2026-05-31
マルチモーダルclopinette-ai
ClopinetteAIは、Cloudflare環境で動作するAIエージェントで、永続的なメモリ、多機能なスキルハブ、マルチモーダル…
★ 26 ⑂ 6 2026-07-07
マルチモーダルETCHR
ETCHR (Editing To Clarify and Harness Reasoning)は、質問条件に基づいて推論を意識した画像エディタです。マルチ…
★ 23 NOASSERTION 2026-05-25
マルチモーダルlatent-gate
LatentGateは、VL-JEPAに着想を得たパイプラインで、画像や長いテキストなどの複雑な処理をローカルのOllama（無料）…
★ 23 ⑂ 1 MIT 2026-06-25
マルチモーダルcognitive-companion
「Cognitive Companion」は、多世代同居家庭の高齢者介護を支援する、プライバシーを最優先したオンプレミスAIシステ…
★ 20 ⑂ 11 AGPL-3.0 2026-07-13
マルチモーダルpaddleocr-pdf-api
このツールは、PDFをOCR処理し、結果をMarkdown形式で返す自己ホスト型APIです。PaddleOCRとPaddleOCR-VLモデルを搭…
★ 20 ⑂ 6 2026-07-12