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 (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music-flamingo-think-2601-hf
Music Flamingo Thinkは、音楽や楽曲音声を入力として詳細な説明や質疑応答を行えるNVIDIAの音声言語モデルです。ジ…
❤ 41 ↓ 666 other 2026-04-07
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ultravox-v0_5-llama-3_1-8b
Ultravoxは、Llama 3.1 8B InstructとWhisper large v3 turboを組み合わせた音声入力対応のマルチモーダルLLMです。…
❤ 37 ↓ 730 mit 2025-05-06
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MOSS-Audio-4B-Thinking
MOSS-Audio-4B-Thinkingは、音声・環境音・音楽をまとめて理解し、文字起こし、話者や感情の分析、音の状況把握、要…
❤ 33 ↓ 15.4k apache-2.0 2026-04-14
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
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