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）…
★ 27 2026-04-17
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
GitHub Qwen-Lens-Studio
Qwen Lens Studioは、単一のQwenビジョン言語モデルを搭載したマルチモーダルAIスタジオです。視覚的推論、多言語画…
★ 25 ⑂ 6 2026-04-23
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…
★ 24 Apache-2.0 2026-02-19
マルチモーダルMOSAIC
MOSAICは、強化学習（RL）、大規模言語モデル（LLM）、視覚言語モデル（VLM）、そして人間の意思決定者といった異な…
★ 24 ⑂ 4 MIT 2026-04-21
マルチモーダル
GitHub 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…
★ 19 ⑂ 10 AGPL-3.0 2026-05-21
マルチモーダル
GitHub 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…
★ 19 Apache-2.0 2026-04-13
マルチモーダル
HF sam3-litetext-s0
SAM3-LiteTextは、視覚言語セグメンテーションモデルSAM3の重いテキストエンコーダを、知識蒸留で最適化した軽量なMo…
❤ 17 ↓ 6.0k apache-2.0 2026-05-08
マルチモーダル
GitHub sattxt
SATtxtは、衛星画像を解析するための最先端のビジョン・言語基盤モデルです。DINOv3のビジョンエンコーダとLLM2Vecの…
★ 16 2026-03-21
マルチモーダルWikiSeeker
WikiSeekerは、知識ベースの視覚的質問応答（KB-VQA）のために開発された革新的なマルチモーダルRAGフレームワークで…
★ 14 Apache-2.0 2026-04-18
マルチモーダルQwen3-VL-Video-Grounding
Qwen3-VL-Video-Groundingは、Qwen3-VL多モーダル画像言語モデルを活用したGradioベースのWebアプリケーションです。…
★ 14 ⑂ 3 Apache-2.0 2026-02-28
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…
★ 13 ⑂ 4 MIT 2026-05-22
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…
★ 13 2026-04-25
マルチモーダルmoss-video-preview-base
MOSS-Video-Preview-Baseは、動画と言語をネイティブに統合して扱うクロスアテンション型の事前学習ベースモデルです…
❤ 12 ↓ 91 apache-2.0 2026-03-22
マルチモーダル
HF AURA
AURAは、映像ストリームを継続的に理解し、音声対話を通じてリアルタイム支援を行うマルチモーダル動画理解システム…
❤ 12 ↓ 633 apache-2.0 2026-04-07
マルチモーダルKa1zen
Ka1zenは、Apple Silicon搭載Mac専用のローカルAIチャットアプリケーションです。AppleのMLXフレームワークを活用し…
★ 10 NOASSERTION 2026-05-13
マルチモーダル
GitHub Lumen
Lumenは、チャット、ビジョンQA、テキストから画像生成、画像から画像生成、長文会話圧縮、画像共有、Telegramボット…
★ 10 NOASSERTION 2026-05-15
マルチモーダル
GitHub agent-notch
macOSのMシリーズMacBookのノッチ部分に常駐するAIエージェントです。ユーザーは音声で指示を出し、Claude Sonnetが…
★ 10 2026-05-17
マルチモーダル
GitHub 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…
★ 10 MIT 2026-05-11
マルチモーダルJibarOS
JibarOSは、Android 16をベースにAIをプラットフォームの基盤機能として統合したOSのフォークです。テキスト補完や画…
★ 9 Apache-2.0 2026-05-06
マルチモーダル
HF MolmoPoint-Vid-4B
MolmoPoint-Vid-4Bは、Allen Institute for AIが公開した動画向けのオープンな視覚言語モデルで、映像内の対象物を座…
❤ 9 ↓ 279 apache-2.0 2026-03-30
マルチモーダル
GitHub VLM-wiki
VLM Wikiは、Karpathy LLM Wikiの概念に基づいた、マルチモーダル対応の個人知識ベースです。画像、動画、音声、テキ…
★ 9 MIT 2026-05-04
マルチモーダル
GitHub modalformer-lowlight
このプロジェクト「modalformer-lowlight」は、低照度環境で撮影された画像のノイズ、色の歪み、細部喪失を改善する…
★ 8 ⑂ 2 MIT 2026-05-01
マルチモーダルAwesome-Efficient-dLLMs
このリポジトリは、「効率的な拡散言語モデル (Efficient Diffusion Language Models)」に関する厳選された優れた論…
★ 8 NOASSERTION 2026-04-24
マルチモーダルGalamseyWatch
このツールは、Sentinel-2衛星画像から違法な小規模金採掘（ガラッセイ）を検出するエージェント型地球観測システム…
★ 8 ⑂ 2 MIT 2026-05-05