Git Stars Git Stars

#vision-language-models Repositories

86
Gesamtzahl der Repositories
198,329
Gesamtanzahl der Sterne
2,306
Durchschnittliche Sterne/Repo

Insgesamt 86 Repositories

51
rai-opensource/vlfm

Das Repository stellt Code zur Verfügung, der mit der Veröffentlichung VLFM: Vision-Language Frontier Maps für Zero-Shot Semantic Navigation (ICRA 2024) verbunden ist

rai-opensource
⭐ 834 Python 👤 rai-opensource Organization 🕐 Aktualisiert 2025-11-12 📅 Erstellt 2023-07-04
52
taco-group/4KAgent

[NeurIPS 2025] 4KAgent: Agentic Any Image zu 4K Super-Resolution. Ein intelligenter Computersicht-Agent, der jedes Bild magisch in perfektes 4K wiederherstellen kann!

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 Aktualisiert 2025-09-24 📅 Erstellt 2025-05-27
53
thu-ml/RDT2

Offizieller Code von RDT 2

thu-ml
⭐ 811 Python 👤 thu-ml Organization 🕐 Aktualisiert 2026-02-07 📅 Erstellt 2025-09-19
54
mll-lab-nu/Awesome-Spatial-Intelligence-in-VLM

Eine Liste von Artikeln zum räumlichen Denken

mll-lab-nu
⭐ 803 👤 mll-lab-nu Organization 🕐 Aktualisiert 2026-08-23 📅 Erstellt 2025-02-07
55
microsoft/RegionCLIP

"RegionCLIP: Region-based Language-Image Pretraining" offizieller Code für [CVPR 2022]

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 Aktualisiert 2024-03-20 📅 Erstellt 2022-03-18
57
bryanswkim/Chain-of-Zoom

[NeurIPS'25 Spotlight] Offizielles Repository für "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment"

bryanswkim
⭐ 777 Python 👤 bryanswkim User 🕐 Aktualisiert 2025-09-27 📅 Erstellt 2025-05-26
58
ModalMinds/MM-EUREKA

MM-EUREKA: Erkundung der Grenzen multimodaler Schlussfolgerung mit regelbasierter Verstärkungslernen

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 Aktualisiert 2025-09-07 📅 Erstellt 2025-03-07
59
zli12321/Vision-Language-Models-Overview

Eine erstklassige Sammlung und Umfrage zu Vision‑Language‑Modellen, sowie ein GitHub‑Repository mit Modellen. Kontinuierliche Updates.

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 Aktualisiert 2026-10-13 📅 Erstellt 2024-11-27
61
lupantech/ScienceQA

Daten und Code für das NeurIPS 2022 Paper „Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering“.

lupantech
⭐ 715 Python 👤 lupantech User 🕐 Aktualisiert 2024-09-19 📅 Erstellt 2022-10-17
62
kerrj/lerf

Code für LERF: Language Embedded Radiance Fields

kerrj
⭐ 710 Python 👤 kerrj User 🕐 Aktualisiert 2024-07-09 📅 Erstellt 2023-04-04
63
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
65
magic-research/PLLaVA

Offizielles Repository für das Paper PLLaVA

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 Aktualisiert 2024-07-28 📅 Erstellt 2024-04-18
66
xiaomi-mlab/Orion

[ICCV 2025] Offizieller Code von "ORION: Ein ganzheitliches End-to-End-Framework für autonomes Fahren durch visuell-sprachlich instruierte Aktionsgenerierung"

xiaomi-mlab
⭐ 674 Python 👤 xiaomi-mlab User 🕐 Aktualisiert 2026-06-22 📅 Erstellt 2025-03-11
67
RyanWangZf/MedCLIP

EMNLP'22 | MedCLIP: Kontrastives Lernen aus ungepaarten medizinischen Bildern und Texten

RyanWangZf
⭐ 652 Python 👤 RyanWangZf User 🕐 Aktualisiert 2024-04-12 📅 Erstellt 2022-02-19
68
run-llama/ParseBench

ParseBench - Ein Benchmark für die Dokumentenanalyse für KI-Agenten

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-10
69
zqhang/AnomalyCLIP

Offizielle Implementierung für AnomalyCLIP (ICLR 2024)

zqhang
⭐ 648 Python 👤 zqhang User 🕐 Aktualisiert 2025-07-08 📅 Erstellt 2023-10-19
70
PromtEngineer/localGPT-Vision

Chatten Sie mit Ihren Dokumenten mithilfe von Vision Language Models. Dieses Repository implementiert eine End-to-End-RAG-Pipeline mit lokalen und proprietären VLMs.

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 Aktualisiert 2025-07-26 📅 Erstellt 2024-10-01
71
xiaomi-research/recogdrive

[ICLR 2026] ReCogDrive: Ein verstärktes kognitives Framework für End-to-End-autonomes Fahren

xiaomi-research
⭐ 632 Python 👤 xiaomi-research Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2025-06-05
72
VectorSpaceLab/Video-XL

🔥🔥Erste Modellfamilie für stundenlange Videoverständigung

VectorSpaceLab
⭐ 626 Python 👤 VectorSpaceLab Organization 🕐 Aktualisiert 2025-07-14 📅 Erstellt 2024-09-20
73
Ucas-HaoranWei/Vary-toy

Offizielle Code-Implementierung von Vary-toy (Small Language Model trifft auf Reinforced Vision Vocabulary)

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 Aktualisiert 2024-12-30 📅 Erstellt 2024-01-10
74
opendilab/awesome-multi-modal-reinforcement-learning

Eine kuratierte Liste von Multi-Modal Reinforcement Learning-Ressourcen (ständig aktualisiert)

opendilab
⭐ 621 👤 opendilab Organization 🕐 Aktualisiert 2026-05-30 📅 Erstellt 2022-09-01
75
thu-coai/Glyph

Offizielles Repository für „Glyph: Skalierung von Kontextfenstern durch visuell-textuelle Komprimierung“

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 Aktualisiert 2025-11-04 📅 Erstellt 2025-10-20
76
levyflux/AViD

Framework, das die Feinabstimmung von Vision-Sprache Verankerungsmodellen auf benutzerdefinierten Datensätzen ermöglicht

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Aktualisiert 2026-08-30 📅 Erstellt 2025-03-19
77
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
78
THUDM/INFTY

INFTY Engine: Ein Optimierungs-Toolkit zur Unterstützung kontinuierlicher KI

THUDM
⭐ 578 Python 👤 THUDM Organization 🕐 Aktualisiert 2026-09-01 📅 Erstellt 2025-09-11
81
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
82
mbzuai-oryx/XrayGPT

[BIONLP@ACL 2024] XrayGPT: Zusammenfassung von Röntgenbildern der Brust mithilfe von medizinischen Vision-Language-Modellen.

mbzuai-oryx
⭐ 526 Python 👤 mbzuai-oryx Organization 🕐 Aktualisiert 2024-08-08 📅 Erstellt 2023-05-18
83
mll-lab-nu/VAGEN

Bestärkendes Lernen mit Weltmodellen für VLM-Agenten mit mehreren Dialogrunden. Framework für bestärkendes Lernen im Bereich Vision (NeurIPS 2025).

mll-lab-nu
⭐ 525 Python 👤 mll-lab-nu Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2025-03-04
84
luogen1996/LaVIN

Official Implementations of "Cheap and Quick: Efficient Vision-Language Instruction Tuning für Large Language Models" zum NeurIPS 2023

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 Aktualisiert 2024-01-27 📅 Erstellt 2023-05-15
86
erwinmsmith/SOMAS

Ein vertrauenswürdiger Interaktionsrahmen für Mensch-Multi-Agenten-Verstärkungslernen

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 Aktualisiert 2026-10-04 📅 Erstellt 2025-05-13