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 (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…
★ 55 ⑂ 2 Apache-2.0 2026-06-19
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 2026-03-26
マルチモーダルneo-unify
このリポジトリは、SenseNovaの「Neo-Unify」に触発された、エンコーダフリーの統合マルチモーダルモデルの実験的な…
★ 46 ⑂ 1 2026-03-08
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…
★ 44 ⑂ 7 2026-07-07
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…
★ 41 ⑂ 7 2026-06-11
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…
★ 40 ⑂ 2 MIT 2026-06-26
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…
★ 39 ⑂ 3 Apache-2.0 2026-07-03
マルチモーダルsynthvision
SynthVisionは、医療画像VQA（Visual Question Answering）データセットの生成と、それを用いたVLM（Vision Language…
★ 38 ⑂ 5 2026-03-23
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…
★ 38 ⑂ 7 2026-06-24
マルチモーダルVL-Calibration
VL-Calibrationは、大規模視覚言語モデル（LVLMs）の推論における信頼性キャリブレーションを向上させるためのフレー…
★ 37 Apache-2.0 2026-04-13
マルチモーダルUni-ViGU
Uni-ViGUは、拡散モデルを基盤としたビデオジェネレータを通じて、ビデオの生成と理解を統一する革新的なフレームワ…
★ 33 ⑂ 1 Apache-2.0 2026-04-15
マルチモーダルCanvasChat
CanvasChatは、Google GeminiのCanvasプレビューモードに特化した、Gemini 3 Flashモデルを無料で大量に利用できるチ…
★ 30 ⑂ 7 MIT 2026-05-22
マルチモーダルweld-anomaly-classifier
WeldFusionNetは、センサー、オーディオ、ビデオデータといった多様な情報を統合するマルチモーダル深層学習モデルを…
★ 28 ⑂ 1 MIT 2026-03-06
マルチモーダルThe-Brain
「The Brain」は、マルチモーダルなRAG（検索拡張生成）ダッシュボードおよび3D知識グラフ可視化ツールです。テキス…
★ 28 ⑂ 5 MIT 2026-03-23
マルチモーダルSSM
このリポジリは、顔の動作単位（AU）と顔の表情（FE）の双方向学習を可能にするStructured Semantic Mapping（SSM）…
★ 28 2026-04-17
マルチモーダルSR-3D
SR-3Dは、ICLR'26で発表された「3D Aware Region Prompted Vision Language Model」の実装です。単一視点と多視点入…
★ 27 Apache-2.0 2026-02-19
マルチモーダルQwen-Lens-Studio
Qwen Lens Studioは、単一のQwenビジョン言語モデルを中心に構築されたマルチモーダルAIスタジオです。UIスクリーン…
★ 27 ⑂ 6 2026-04-23
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。…
★ 26 ⑂ 1 AGPL-3.0 2026-05-31
マルチモーダルEfficientVideoAgent
EVA（Efficient Video Agent）は、動画エージェントのための効率的な強化学習フレームワークです。このモデルは「pla…
★ 26 2026-05-06
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…
★ 25 ⑂ 6 2026-05-09