Ovis84
A novel Multimodal Large Language Model (MLLM) architecture, designed to structurally align visual and textual embeddings.
1.5K
Stars
84/100
Confianza
Categoría: support-automationAuditoría
Directorio de skills
Descubre skills reutilizables para AI agents.
Busca skills reales de GitHub por tarea y revisa stars, confianza, auditoría, categoría y ruta de instalación antes de utilizarlos.
Cada recomendación conserva un vínculo claro con su repositorio, auditoría y ruta de instalación.
Resultados de búsqueda: mllm
Directorio en inglésCambrian74
Cambrian-1 is a family of multimodal LLMs with a vision-centric design.
2.0K
Stars
74/100
Confianza
Categoría: support-automationAuditoría
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
Confianza
Categoría: media-automationAuditoría
Cambrian-S: Towards Spatial Supersensing in Video
556
Stars
69/100
Confianza
Categoría: robotics-iotAuditoría
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
Confianza
Categoría: automationAuditoría