Accueil Projets MultiModalMamba
MultiModalMamba
Python

MultiModalMamba

Une nouvelle implémentation fusionnant ViT avec Mamba en un modèle multimodal rapide, agile et performant. Alimenté par Zeta, le cadre IA le plus simple jamais créé.

par kyegomez · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
aiartificial-intelligenceattention-mechanismMITPython
Voir sur GitHub
En termes simples

Traitez et analysez simultanément des données textuelles et d'image en utilisant un modèle d'IA haute performance.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
MultiModalMamba — GitHub preview card
📈 Historique des étoiles
474473
2026-07-202026-08-31
📈 Suivez MultiModalMamba

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Une nouvelle implémentation fusionnant ViT avec Mamba en un modèle multimodal rapide, agile et performant. Alimenté par Zeta, le cadre IA le plus simple jamais créé.

MultiModalMamba compte 473 étoiles sur GitHub. Il a été forké 28 fois. MultiModalMamba est écrit principalement en Python. Il est développé activement depuis 2024. MultiModalMamba est disponible sous licence MIT. Ses principaux thèmes sont : ai, artificial-intelligence, attention-mechanism, machine-learning.

Frequently asked questions

Qu'est-ce que MultiModalMamba ?

Une nouvelle implémentation fusionnant ViT avec Mamba en un modèle multimodal rapide, agile et performant. Alimenté par Zeta, le cadre IA le plus simple jamais créé.

MultiModalMamba est-il open source ?

MultiModalMamba est un projet open source. Il est distribué sous licence MIT.

MultiModalMamba est-il gratuit ?

Oui. MultiModalMamba est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est MultiModalMamba ?

MultiModalMamba est disponible sous licence MIT.

Dans quel langage MultiModalMamba est-il écrit ?

MultiModalMamba est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — MultiModalMamba

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=kyegomez-multimodalmamba)](https://olud.ai/project/kyegomez-multimodalmamba.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
sign-language-translator
Bibliothèque et cadre Python pour construire des traducteurs personnalisés pour les malentendan…
359 · artificial-intelligence
partageattention-mechanism
Star-Attention
Inférence LLM efficace sur de longues séquences
392 · attention-mechanism
partageattention-mechanism
reformer-pytorch
Reformer, le Transformer efficace, en Pytorch
2.2k · artificial-intelligence
partageattention-mechanism
x-transformers
Un transformateur complet mais concis avec un ensemble de fonctionnalités expérimentales promet…
5.9k · artificial-intelligence
partageattention-mechanism
flamingo-pytorch
Implémentation de 🦩 Flamingo, un réseau d'attention de question-réponse visuelle à quelques exe…
1.3k · artificial-intelligence
partageattention-mechanism
TimeSformer-pytorch
Implémentation de TimeSformer de Facebook AI, une solution purement basée sur l'attention pour…
729 · artificial-intelligence
partageattention-mechanism
nndl
邱锡鹏《神经网络与深度学习》(蒲公英书)理论书 v2 与通识版
19k · attention-mechanism
partageattention-mechanism
GeoTransformer
[CVPR2022] Transformateur Géométrique pour l'Enregistrement Rapide et Robuste de Nuages de Poin…
966 · attention-mechanism
partageattention-mechanism
parti-pytorch
Implémentation de Parti, le réseau de neurones text-to-image basé sur l'attention de Google, en…
538 · artificial-intelligence
partageattention-mechanism
self-attention-cv
Mise en œuvre de divers mécanismes d'auto-attention axés sur la vision par ordinateur. Dépôt en…
1.2k · artificial-intelligence
partageattention-mechanism

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.