Ovis84
A novel Multimodal Large Language Model (MLLM) architecture, designed to structurally align visual and textual embeddings.
1.5K
Stars
84/100
Trust
Kategorie: support-automationAudit
Skill-Verzeichnis
Wiederverwendbare Skills für AI Agents entdecken.
Durchsuche reale GitHub-Skills nach Aufgabe und prüfe Stars, Trust, Audit, Kategorie und Installationspfad vor der Verwendung.
Jede Empfehlung bleibt mit ihrem Repository, Audit und Installationspfad nachvollziehbar.
Suchergebnisse: mllm
Englisches VerzeichnisCambrian74
Cambrian-1 is a family of multimodal LLMs with a vision-centric design.
2.0K
Stars
74/100
Trust
Kategorie: support-automationAudit
Bernini73
Bernini is a unified framework for video generation and editing that combines an MLLM-based semantic planner with a DiT-based renderer.
836
Stars
73/100
Trust
Kategorie: media-automationAudit
Cambrian-S: Towards Spatial Supersensing in Video
556
Stars
69/100
Trust
Kategorie: robotics-iotAudit
This is the repo for the paper "OS Agents: A Survey on MLLM-based Agents for Computer, Phone and Browser Use" (ACL 2025 Oral).
485
Stars
58/100
Trust
Kategorie: automationAudit