マルチモーダルminimind-v
MiniMind-Vは、わずか3ドルと2時間で65MパラメータのビジョンマルチモーダルVLMをゼロから訓練できるプロジェクトで…
★ 8.2k ⑂ 897 Apache-2.0 2026-05-19
#VLM (16 repos)
「VLM」タグが付いたリポジトリ
マルチモーダル
AIエージェントmobileClaw
MobileClawは、Androidデバイス上でLLMエージェントを動作させるためのオープンソースの実験的なモバイルアプリです…
★ 402 ⑂ 16 NOASSERTION 2026-06-26
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
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…
★ 183 ⑂ 5 2026-06-10
マルチモーダルCourtSI
CourtSIは、スポーツ分野における空間知能を評価するための大規模データセットとベンチマークです。100万以上の質問…
★ 71 Apache-2.0 2026-03-15
LLMThinkJEPA
ThinkJEPAは、ビジョン-言語モデル(VLM)とJEPA(Joint Embedding Predictive Architecture)を統合したデュアルパス具…
★ 42 ⑂ 5 NOASSERTION 2026-04-30
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
3D / NeRFVLM-Instruct-FastGS
VLM-Instruct-FastGSは、3D Gaussian Splatting技術を拡張し、Vision-Language Models (VLM) からのセマンティックガ…
★ 15 NOASSERTION 2026-03-05
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…
★ 15 Apache-2.0 2026-04-18
マルチモーダルcppo
CPPO（Contrastive Perception Policy Optimization）は、視覚言語モデル（VLM）エージェントのファインチューニング…
★ 9 2026-05-28
LLMDAYA
DAYAは、イラスト豊富なドキュメント（プレゼンテーション資料など）に特化した、ドキュメント認識型ハイブリッドア…
★ 8 Apache-2.0 2026-06-04
マルチモーダルegobabyvlm
本リポジトリは、EgoBabyVLMチャレンジのインフラを提供します。これは、乳幼児の一人称視点ビデオデータ（BabyView …
★ 6 NOASSERTION 2026-06-23
マルチモーダルOperator-on-Android
Operatorは、PCに接続することなく、視覚言語モデル（VLM）を使用してAndroidスマートフォンを直接操作できるオンデ…
★ 6 ⑂ 1 MIT 2026-06-17
マルチモーダルroboclaws
Roboclawsは、VLMポリシー、OpenClaw、AIコーディングエージェントによって駆動されるAIロボティクスデモのためのリ…
★ 4 ⑂ 2 MIT 2026-06-23
マルチモーダルORION
ORIONは、低軌道衛星向けの自律型トリアージシステムです。Raspberry Pi 5に最適化されたVision-Language Model (VLM…
★ 2 ⑂ 1 2026-05-19
マルチモーダルtokensieve
tokensieveは、VLM（Vision-Language Model）を用いたVQA（Visual Question Answering）タスクにおいて、推論時の「p…
★ 1 2026-06-10