multimodal-llm

5 proyectos comparten este topic de GitHub

Las líneas conectan a los miembros que están mediblemente relacionados entre sí. El tamaño de los puntos refleja las estrellas.

🧬 Miembros

Open-source industrial-grade ASR models supporting Mandarin, Chinese dialects and English, achieving a new…

awesome-vlm-architectures

Curated visual catalog of 155+ vision-language model (VLM/MLLM) architectures: papers, diagrams, training…

WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vision Team at Tencent,…

Official implementation of paper "MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens"

OmniAgent (ICML 2026): the first native omni-modal agent for active video perception — a 7B agent that…

🔗 Familias relacionadas

mllm 29 asr 91 automatic-speech-recognition 19 conformer 8 speech-recognition 89 transformer 59 arxiv 20 foundation-models 58

Medido a partir de los temas de GitHub compartidos por ambos proyectos, ponderado por cuán raros son cada uno de los temas.