multimodality

7 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

The Cradle framework is a first attempt at General Computer Control (GCC). Cradle supports agents to ace any…

A simple command line tool for text to image generation, using OpenAI's CLIP and a BigGAN. Technique was…

Collecting awesome papers of RAG for AIGC. We propose a taxonomy of RAG foundations, enhancements, and…

✨✨Woodpecker: Hallucination Correction for Multimodal Large Language Models

This repo contains evaluation code for the paper "MMMU: A Massive Multi-discipline Multimodal Understanding…

(ECCVW 2025)GPT4RoI: Instruction Tuning Large Language Model on Region-of-Interest

Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 A curated list of papers on LLMs-based multimodal generation (image, video, 3D and audio).

🔗 Familias relacionadas

aigc 89 mllm 29 multimodal-large-language-models 36 ai-agents-framework 38 grounding 7 lmm 4 vision-language-model 41 vlm 47

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