Ovis84
A novel Multimodal Large Language Model (MLLM) architecture, designed to structurally align visual and textual embeddings.
1.5K
Stars
84/100
Confiance
Catégorie: support-automationAudit
Annuaire de skills
Découvrez des skills réutilisables pour les AI agents.
Recherchez de vrais skills GitHub par tâche et vérifiez Stars, confiance, audit, catégorie et chemin d’installation avant de les utiliser.
Chaque recommandation reste clairement reliée à son dépôt, son audit et son chemin d’installation.
Résultats de recherche: mllm
Annuaire en anglaisCambrian74
Cambrian-1 is a family of multimodal LLMs with a vision-centric design.
2.0K
Stars
74/100
Confiance
Catégorie: 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
Confiance
Catégorie: media-automationAudit
Cambrian-S: Towards Spatial Supersensing in Video
556
Stars
69/100
Confiance
Catégorie: 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
Confiance
Catégorie: automationAudit