Git Stars Git Stars

#multi-modal-learning Repositories

Entdecke 19 aktive Open-Source-GitHub-Repositories, die mit #multi-modal-learning getaggt sind und insgesamt 41,270 Sterne gesammelt haben (durchschnittlich 2,172 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist mlfoundations/open_clip mit 14,278 Sternen.

19
Gesamtzahl der Repositories
41,270
Gesamtanzahl der Sterne
2,172
Durchschnittliche Sterne/Repo

Insgesamt 19 Repositories

1
mlfoundations/open_clip

Eine Open-Source-Implementierung von CLIP.

mlfoundations
⭐ 14,278 Python 👤 mlfoundations Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2021-07-28
2
OFA-Sys/Chinese-CLIP

Chinesische Version von CLIP, die chinesische Cross-Modal-Retrieval und Repräsentationsgenerierung ermöglicht.

OFA-Sys
⭐ 6,056 Jupyter Notebook 👤 OFA-Sys Organization 🕐 Aktualisiert 2026-03-31 📅 Erstellt 2022-07-08
3
open-gigaai/giga-brain-0

GigaBrain-0: Ein von einem Weltmodell angetriebenes Vision-Sprache-Aktionsmodell

open-gigaai
⭐ 2,673 Python 👤 open-gigaai Organization 🕐 Aktualisiert 2026-09-09 📅 Erstellt 2025-09-26
4
MineDojo/MineDojo

Entwicklung von Open-Ended "Embodied Agents" mit internet-skalierbarem Wissen

MineDojo
⭐ 2,108 Java 👤 MineDojo Organization 🕐 Aktualisiert 2024-03-18 📅 Erstellt 2022-06-18
5
NVlabs/RADIO

Offizielles Repository für "AM-RADIO: Reduce All Domains Into One"

NVlabs
⭐ 2,008 Python 👤 NVlabs Organization 🕐 Aktualisiert 2026-10-06 📅 Erstellt 2023-12-08
6
apple-aiml-research/ml-mobileclip

Dieses Repository enthält die offizielle Implementierung der Forschungsarbeiten "MobileCLIP" CVPR 2024 und "MobileCLIP2" TMLR August 2025

apple-aiml-research
⭐ 1,687 Python 👤 apple-aiml-research Organization 🕐 Aktualisiert 2026-09-11 📅 Erstellt 2024-03-01
7
lyuchenyang/Macaw-LLM

Macaw-LLM: Multimodale Sprachmodellierung mit Integration von Bildern, Videos, Audio und Text

lyuchenyang
⭐ 1,594 Python 👤 lyuchenyang User 🕐 Aktualisiert 2025-01-01 📅 Erstellt 2023-05-23
8
ZeyueT/AudioX

[ICLR 2026] Repository von AudioX

ZeyueT
⭐ 1,559 Python 👤 ZeyueT User 🕐 Aktualisiert 2026-03-10 📅 Erstellt 2025-03-13
9
NVlabs/prismer

Die Implementierung von "Prismer: Ein Vision-Language-Modell mit Multi-Task-Experten".

NVlabs
⭐ 1,308 Python 👤 NVlabs Organization 🕐 Aktualisiert 2024-01-17 📅 Erstellt 2023-03-02
10
Phantom-video/HuMo

HuMo: Menschzentrierte Videogenerierung durch kollaborative multimodale Konditionierung

Phantom-video
⭐ 1,292 Python 👤 Phantom-video User 🕐 Aktualisiert 2026-01-25 📅 Erstellt 2025-09-09
11
microsoft/VideoX

VideoX: Eine Sammlung von Video-Cross-Modal-Modellen

microsoft
⭐ 1,052 Python 👤 microsoft Organization 🕐 Aktualisiert 2024-06-03 📅 Erstellt 2019-11-21
12
alfworld/alfworld

ALFWorld: Abstimmung von Text und verkörperten Umgebungen für interaktives Lernen

alfworld
⭐ 921 Python 👤 alfworld User 🕐 Aktualisiert 2026-02-08 📅 Erstellt 2020-10-13
13
IDEA-Research/X-Pose

[ECCV 2024] Offizielle Implementierung des Papers "X-Pose: Detecting Any Keypoints"

IDEA-Research
⭐ 772 Python 👤 IDEA-Research Organization 🕐 Aktualisiert 2024-08-16 📅 Erstellt 2023-10-11
14
lucidrains/x-clip

Eine kompakte, aber vollständige Implementierung von CLIP mit verschiedenen experimentellen Verbesserungen aus aktuellen Forschungsarbeiten

lucidrains
⭐ 726 Python 👤 lucidrains User 🕐 Aktualisiert 2026-11-03 📅 Erstellt 2021-12-01
15
microsoft/BiomedParse

BiomedParse: Ein Basismodell für gemeinsame Segmentierung, Erkennung und Identifizierung biomedizinischer Objekte über neun Modalitäten hinweg

microsoft
⭐ 717 Python 👤 microsoft Organization 🕐 Aktualisiert 2026-09-09 📅 Erstellt 2024-05-18
16
taokz/BiomedGPT

BiomedGPT: Ein allgemeines Vision-Language Basismodell für diverse biomedizinische Aufgaben

taokz
⭐ 707 Python 👤 taokz User 🕐 Aktualisiert 2025-07-08 📅 Erstellt 2023-05-11
17
InternRobotics/EmbodiedScan

[CVPR 2024 & NeurIPS 2024] EmbodiedScan: Eine ganzheitliche multimodale 3D-Wahrnehmungssuite für Embodied AI

InternRobotics
⭐ 668 Python 👤 InternRobotics Organization 🕐 Aktualisiert 2025-06-13 📅 Erstellt 2023-12-11
18
JohnsonJiang1996/Awesome-VLA4AD

Vision–Language–Action-Modelle für autonomes Fahren (VLA4AD) Ressourcen, die als begleitendes Repository zu dem Übersichtsartikel „A Survey on Vision–Language–Action Models for Autonomous Driving“ dienen.

JohnsonJiang1996
⭐ 632 👤 JohnsonJiang1996 User 🕐 Aktualisiert 2025-11-20 📅 Erstellt 2025-06-30
19
zjukg/KG-MM-Survey

Wissensgraphen treffen auf multimodales Lernen: eine umfassende Übersicht

zjukg
⭐ 510 👤 zjukg Organization 🕐 Aktualisiert 2026-03-02 📅 Erstellt 2024-01-29

Häufig gestellte Fragen

1

Welches ist das beliebteste #multi-modal-learning-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#multi-modal-learning-Projekt auf GitHub ist mlfoundations/open_clip mit 14,278 Sternen. Eine Open-Source-Implementierung von CLIP.

2

Welche Programmiersprachen werden in #multi-modal-learning-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #multi-modal-learning-Projekten auf GitHub sind Python, Jupyter Notebook, Java die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #multi-modal-learning-Repositories berechnet?

Wir verfolgen 19 aktive Open-Source-Repositories, die mit #multi-modal-learning getaggt sind (500+ Sterne), mit insgesamt 41,270 Sternen und durchschnittlich 2,172 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.