「multimodal-llm」に関するオープンソースプロジェクト

モジュール式のマルチエージェントパイプラインで、UIのスクリーンショットやデザインモックアップを編集可能なHTML/CSSコードに変換します。

SAM 3によるセグメンテーションとOCRで、図・フローチャート・数式の静止画像を編集可能なDrawIO（XML）ファイルに変換します。

独立したノードをつないだパイプラインで、映像ストリーム上のCVモデルやマルチモーダルLLMを実行するC++動画解析フレームワーク。