多模态AI工具汇总：实用资源一览
LanguageBind_Image
模型ICLR
基于语言实现多模态预训练绑定
Qwen2-VL-7B-Instruct
多模态视觉语言模型
多分辨率图像和长视频理解的视觉语言模型
blip-image-captioning-base
模型图像理解
BLIP框架打造的先进图像描述生成模型
ScreenAI
ScreenAI视觉语言模型
深度理解界面和信息图的视觉语言模型
visual-med-alpaca
Visual Med-AlpacaLLM
生物医学多模态AI模型实现图像理解和复杂问答
AGI-Papers
AGI大语言模型
人工智能前沿研究聚焦大语言模型和多模态系统
everything-ai
everything-aiAI助手
多功能AI聊天机器人助手支持本地部署
99AI
99AIAI应用
集成多模态AI服务的开源Web应用，支持对话、绘画、音乐和视频创作
LLaVA-HR
LLaVA-HR大语言模型
混合分辨率适应技术助力多模态大模型
FrozenBiLM
VideoQAFrozenBiLM
创新视频问答模型在零样本和少样本场景中表现优异
Multimodal-AND-Large-Language-Models
多模态大语言模型
多模态与大语言模型前沿研究综述
Chat-UniVi
Chat-UniVi视觉理解
统一视觉表示赋能大语言模型理解图像和视频
PointLLM
PointLLM3D点云
多模态大语言模型理解点云数据的突破性进展
cornac
Cornac推荐系统
多模态推荐系统比较框架
Prompt-Can-Anything
Prompt-Can-AnythingAI应用
AI应用集成平台 轻松实现多模态任务处理
Automated-Fact-Checking-Resources
自动事实核查数据集
自动事实核查资源库 数据集、模型与研究进展
x-clip
CLIP对比学习
灵活实现的CLIP视觉语言预训练模型
EmbedAnything
EmbedAnything嵌入式框架
Rust开发的多源数据嵌入生成框架
Motion-X
Motion-X人体动作数据集
丰富表现力的3D全身人体动作数据集
SAT
SAT医学图像分割
突破性医学图像分割模型，支持多模态多区域文本提示
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号