Git Stars Git Stars

#multimodal-large-language-models Repositories

Entdecke 43 aktive Open-Source-GitHub-Repositories, die mit #multimodal-large-language-models getaggt sind und insgesamt 78,032 Sterne gesammelt haben (durchschnittlich 1,814 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist BradyFU/Awesome-Multimodal-Large-Language-Models mit 18,090 Sternen.

43
Gesamtzahl der Repositories
78,032
Gesamtanzahl der Sterne
1,814
Durchschnittliche Sterne/Repo

Insgesamt 43 Repositories

1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:Neueste Fortschritte bei multimodalen großen Sprachmodellen

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2023-05-19
2
X-PLUG/MobileAgent

Mobile-Agent: Die leistungsstarke GUI-Agent-Familie

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 Aktualisiert 2026-11-03 📅 Erstellt 2024-01-26
3
joanrod/star-vector

StarVector ist ein Basismodell für die SVG-Generierung, das die Vektorisierung in eine Code-Generierungsaufgabe umwandelt. Mithilfe einer Vision-Language-Modeling-Architektur verarbeitet StarVector sowohl visuelle als auch textuelle Eingaben, um qualitativ hochwertigen SVG-Code mit bemerkenswerter Präzision zu erzeugen.

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 Aktualisiert 2025-11-07 📅 Erstellt 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omni ist ein End-to-End-Sprachinteraktionsmodell mit geringer Latenz und hoher Qualität, das auf Llama-3.1-8B-Instruct basiert und darauf abzielt, Sprachfähigkeiten auf dem Niveau von GPT-4o zu erreichen.

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 Aktualisiert 2025-05-19 📅 Erstellt 2024-09-10
5
sherlockchou86/VideoPipe

Ein plattformübergreifendes Framework zur Videostrukturierung (Videoanalyse) basierend auf CV-Modellen und mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Aktualisiert 2026-02-25 📅 Erstellt 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5: Auf dem Weg zur Echtzeit-Seh- und Sprachinteraktion auf GPT-4o-Niveau

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 Aktualisiert 2025-03-28 📅 Erstellt 2024-08-10
7
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl: Modularisiertes multimodales großes Sprachmodell für das Dokumentenverständnis

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Aktualisiert 2025-05-30 📅 Erstellt 2023-07-04
8
cambrian-mllm/cambrian

Cambrian-1 ist eine Familie multimodaler LLMs mit einem visionzentrierten Design.

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 Aktualisiert 2025-11-07 📅 Erstellt 2024-06-17
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] Beherrschung von Text-zu-Bild-Diffusion: Wiederbeschriftung, Planung und Generierung mit multimodalen LLMs (RPG)

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 Aktualisiert 2025-02-01 📅 Erstellt 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VL, ein vision-language Foundation Model, das die allgemeine multimodale Verständnis- und Schlussfolgerungsfähigkeit verbessern soll und eine Spitzenleistung bei 38 von 60 öffentlichen Benchmarks erzielt.

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 Aktualisiert 2025-06-14 📅 Erstellt 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] Dies ist das erste Papier, das untersucht, wie man R1‑ähnliches RL effektiv für MLLMs einsetzen kann und Vision‑R1 vorstellt, ein rationsierendes MLLM, das kalte Startinitialisierung und RL‑Training nutzt, um die Denkfähigkeit zu fördern.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Aktualisiert 2026-03-20 📅 Erstellt 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

Ein Fork zum Hinzufügen des multimodalen Modelltrainings zu open-r1

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 Aktualisiert 2025-02-08 📅 Erstellt 2025-01-27
13
ATH-MaaS/Ovis

Eine neuartige multimodale Large Language Model (MLLM)-Architektur, die entwickelt wurde, um visuelle und textuelle Einbettungen strukturell abzugleichen.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Aktualisiert 2026-07-15 📅 Erstellt 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

Dieses Repository bietet wertvolle Referenzen für Forscher im Bereich Multimodalität, beginnen Sie Ihre Entdeckungsreise in RL-basierten Reasoning MLLMs!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 Aktualisiert 2026-09-29 📅 Erstellt 2025-02-21
15
Henry-23/VideoChat

Echtzeit-Sprachinteraktiver digitaler Mensch, mit anpassbarem Aussehen und anpassbarer Stimme, der Stimmklonung unterstützt und eine Gesprächsverzögerung von nur 3 Sekunden hat.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Aktualisiert 2025-12-18 📅 Erstellt 2024-10-18
16
ATH-MaaS/Awesome-Unified-Multimodal-Models

Hervorragende einheitliche multimodale Modelle

ATH-MaaS
⭐ 1,325 👤 ATH-MaaS Organization 🕐 Aktualisiert 2026-03-24 📅 Erstellt 2025-05-07
17
NVIDIA/audio-flamingo

PyTorch-Implementierung von Audio Flamingo: Eine Reihe fortschrittlicher Sprachmodelle für das Audioverständnis

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 Aktualisiert 2025-12-15 📅 Erstellt 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

Lesehinweise zu multimodalen großen Sprachmodellen, großen Sprachmodellen und Diffusionsmodellen

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 Aktualisiert 2026-11-07 📅 Erstellt 2024-03-30
19
X-LANCE/SLAM-LLM

Ein Framework zur Verarbeitung von Sprache, Sprache, Audio und Musik mit großen Sprachmodellen

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 Aktualisiert 2026-01-15 📅 Erstellt 2023-10-23
20
BAAI-DCAI/Bunny

Eine Familie von leichten multimodalen Modellen.

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 Aktualisiert 2024-11-18 📅 Erstellt 2024-01-31
21
yaotingwangofficial/Awesome-MCoT

Multimodales Chain-of-Thought Reasoning: Eine umfassende Übersichtsarbeit

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 Aktualisiert 2026-10-03 📅 Erstellt 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

Eine Sammlung von Ressourcen zu Anwendungen des multimodalen Lernens in der medizinischen Bildgebung.

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 Aktualisiert 2026-10-26 📅 Erstellt 2022-07-13
23
daixiangzi/Awesome-Token-Compress

Eine Papiersammlung einiger neuer Arbeiten über Token-Kompression für Vit und VLM

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2024-09-06
24
EvolvingLMMs-Lab/NEO

NEO-Serie: Native Seh-Sprachmodelle ausgehend von den ersten Prinzipien

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2025-10-16
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME: Der allererste umfassende Bewertungsbenchmark für multimodale LLMs in der Videoanalyse

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 Aktualisiert 2025-12-08 📅 Erstellt 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus: Große Sprach- und Sehassistenten, die sich anschließen und lernen, Fähigkeiten zu nutzen

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 Aktualisiert 2024-02-01 📅 Erstellt 2023-11-07
28
vision-x-nyu/thinking-in-space

Offizielles Repository und Implementierung der Evaluierung von VSI-Bench

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 Aktualisiert 2025-08-05 📅 Erstellt 2024-12-14
29
deepglint/unicom

Groß angelegtes visuelles Repräsentationsmodell

deepglint
⭐ 704 Python 👤 deepglint Organization 🕐 Aktualisiert 2025-12-08 📅 Erstellt 2023-02-15
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat: Von dichten Token zu spärlichem Gedächtnis für das Verständnis langer Videos

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Aktualisiert 2025-01-29 📅 Erstellt 2023-06-26
31
NVlabs/OmniVinci

OmniVinci ist ein omnimodales LLM zum gemeinsamen Verständnis von Sehen (Vision), Audio und Sprache.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 Aktualisiert 2026-08-31 📅 Erstellt 2025-09-24
32
Coobiw/MPP-LLaVA

Persönliches Projekt: MPP-Qwen14B & MPP-Qwen-Next (Multimodale Pipeline-Parallelität basierend auf Qwen-LM). Unterstützt [video/image/multi-image] {sft/conversations}. Lassen Sie nicht zu, dass Armut Ihre Vorstellungskraft einschränkt! Trainieren Sie Ihr eigenes 8B/14B LLaVA-training-ähnliches MLLM auf RTX3090/4090 24GB.

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 Aktualisiert 2025-03-10 📅 Erstellt 2023-10-24
33
FoundationVision/Liquid

(Akzeptiert von IJCV)Liquid: Sprachmodelle sind skalierbare und vereinheitlichte multimodale Generatoren

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 Aktualisiert 2026-06-01 📅 Erstellt 2024-12-12
34
VITA-MLLM/Woodpecker

✨✨Specht: Halluzinationskorrektur für multimodale große Sprachmodelle

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 Aktualisiert 2024-12-23 📅 Erstellt 2023-09-26
35
lwpyh/Awesome-MLLM-Reasoning-Collection

Eine Sammlung von Papieren, Codes, Datensätzen, Benchmarks und Ressourcen zum multimodalen Denken.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Aktualisiert 2026-04-01 📅 Erstellt 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] Denke über Bilder hinaus

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 Aktualisiert 2025-09-23 📅 Erstellt 2025-08-17
37
SkyworkAI/Vitron

NeurIPS 2024 Paper: Ein vereinheitlichtes Pixel-Level Vision LLM zum Verstehen, Generieren, Segmentieren und Bearbeiten

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 Aktualisiert 2024-10-20 📅 Erstellt 2024-03-18
38
ictnlp/LLaVA-Mini

LLaVA-Mini ist ein einheitliches großes multimodales Modell (LMM), das Bilder, hochauflösende Bilder und Videos auf effiziente Weise verstehen kann.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Aktualisiert 2025-06-29 📅 Erstellt 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S: Auf dem Weg zu räumlicher Supersensorik in Video

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 Aktualisiert 2026-04-03 📅 Erstellt 2025-10-13
40
AILab-CVC/SEED-X

Multimodale Modelle in der realen Welt

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 Aktualisiert 2025-02-24 📅 Erstellt 2024-03-30
41
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 Eine kuratierte Liste von Arbeiten zur multimodalen Generierung auf Basis von LLMs (Bild, Video, 3D und Audio).

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2023-11-17
42
worldbench/awesome-vla-for-ad

🌐 Vision-Language-Action-Modelle für autonomes Fahren: Vergangenheit, Gegenwart und Zukunft

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Aktualisiert 2026-11-14 📅 Erstellt 2025-09-07
43
hustvl/EVF-SAM

Offizieller Code von „EVF-SAM: Frühe Vision-Language-Fusion für Text-Prompt-basiertes Segment Anything Model“

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Aktualisiert 2025-03-17 📅 Erstellt 2024-06-12

Häufig gestellte Fragen

1

Welches ist das beliebteste #multimodal-large-language-models-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#multimodal-large-language-models-Projekt auf GitHub ist BradyFU/Awesome-Multimodal-Large-Language-Models mit 18,090 Sternen. :sparkles::sparkles:Neueste Fortschritte bei multimodalen großen Sprachmodellen

2

Welche Programmiersprachen werden in #multimodal-large-language-models-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #multimodal-large-language-models-Projekten auf GitHub sind Python, Jupyter Notebook, HTML, C++ die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #multimodal-large-language-models-Repositories berechnet?

Wir verfolgen 43 aktive Open-Source-Repositories, die mit #multimodal-large-language-models getaggt sind (500+ Sterne), mit insgesamt 78,032 Sternen und durchschnittlich 1,814 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.