Git Stars Git Stars

#vlm Repositories

89
Gesamtzahl der Repositories
457,898
Gesamtanzahl der Sterne
5,144
Durchschnittliche Sterne/Repo

Insgesamt 89 Repositories

51
NVIDIA-NeMo/Automodel

🚀 Pytorch Distributed native Trainingsbibliothek für LLMs/VLMs mit sofortiger Hugging Face-Unterstützung

NVIDIA-NeMo
⭐ 1,096 Python 👤 NVIDIA-NeMo Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-05-21
52
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
53
Valen-Team/Valen

Offene multimodale Entscheidungsmodelle mit 0,8B bis 27B Parametern für Text, Bilder und Videos. Treffen Sie Entscheidungen anhand von Wahrscheinlichkeiten für eigene Kandidaten und lokalisieren Sie Objekte mit Begrenzungsrahmen, statt Text zu generieren. Kostenlose API, ONNX, GGUF, vLLM und SGLang; Fine-Tuning-Code enthalten.

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-09-23
54
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
55
candle-org/MindAct

MindSpore + 🤗Huggingface: Führen Sie jedes Transformers/Diffusers-Modell auf MindSpore mit nahtloser Kompatibilität und Beschleunigung aus.

candle-org
⭐ 921 Python 👤 candle-org Organization 🕐 Aktualisiert 2026-09-01 📅 Erstellt 2022-09-23
56
Skythinker616/gpt-assistant-android

【Neuer Agentenmodus】Android-GPT-Assistent für alle Szenarien, per Lautstärketasten aufrufbar für Sprachinteraktion, unterstützt Vernetzung, Fotografieren, Vorlagen, Parsing von PDF- und Office-Dokumenten sowie Agentenmodus.

Skythinker616
⭐ 908 Java 👤 Skythinker616 User 🕐 Aktualisiert 2026-05-05 📅 Erstellt 2023-09-13
57
PKU-YuanGroup/UniWorld

UniWorld: Hochauflösende semantische Encoder für einheitliches visuelles Verstehen und Generieren

PKU-YuanGroup
⭐ 896 Python 👤 PKU-YuanGroup Organization 🕐 Aktualisiert 2025-12-23 📅 Erstellt 2024-11-21
58
OpenDCAI/OpenWorldLib

Einheitlicher Codebase für Fortschrittliche Weltmodelle.

OpenDCAI
⭐ 892 Python 👤 OpenDCAI Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2025-11-21
59
baidu-baige/LoongForge

Ein leistungsstarkes Framework zum Training von LLMs, VLMs, Diffusionsmodellen und verkörperten Modellen auf NVIDIA-GPUs und Kunlun-XPUs. Unterstützt Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 und weitere Modelle.

baidu-baige
⭐ 881 Python 👤 baidu-baige Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-04-23
60
SkyworkAI/UniPic

Open-Source SOTA Multi-Bild-Bearbeitungsmodell

SkyworkAI
⭐ 877 Python 👤 SkyworkAI Organization 🕐 Aktualisiert 2026-07-13 📅 Erstellt 2025-07-27
61
Purewhiter/mobilegym

[EMNLP 2026] MobileGym: Eine überprüfbare und hochparallele Simulationsplattform für die Forschung an mobilen GUI-Agenten · Im Browser gehosteter Android-Simulator · Überprüfbare Evaluierung · Skalierbares Online-RL-Training

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2026-05-14
62
OpenMOSS/MOSS-VL

Eine 11B-Modellreihe mit offenen Gewichten zum Verstehen von Langform- und Echtzeitvideos

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2026-04-08
63
OpenDataBox/awesome-data-llm

Offizielles Repository des "LLM × DATA"-Umfragepapiers

OpenDataBox
⭐ 836 👤 OpenDataBox Organization 🕐 Aktualisiert 2026-10-25 📅 Erstellt 2024-08-04
64
zubair-irshad/Awesome-Robotics-3D

Eine kuratierte Liste von 3D-Vision-Papieren im Bereich Robotik im Zeitalter großer Modelle, d. h. LLMs/VLMs, inspiriert von Awesome-Computer-Vision, einschließlich Papieren, Codes und verwandten Websites

zubair-irshad
⭐ 824 👤 zubair-irshad User 🕐 Aktualisiert 2025-12-17 📅 Erstellt 2024-08-12
65
OpenVGLab/OmniLottie

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, ein Open‑Source-Generator für multimodale Vektoranimationen, der Lottie‑JSONs erzeugt.

OpenVGLab
⭐ 816 Python 👤 OpenVGLab Organization 🕐 Aktualisiert 2026-04-06 📅 Erstellt 2026-01-15
66
coderonion/awesome-llm-and-aigc

🚀🚀🚀Eine Sammlung einiger beeindruckender öffentlicher Projekte zu Large Language Models (LLM), Vision Language Models (VLM), Vision Language Action (VLA), AI Generated Content (AIGC), den dazugehörigen Datensätzen und Anwendungen.

coderonion
⭐ 810 👤 coderonion User 🕐 Aktualisiert 2025-08-01 📅 Erstellt 2023-02-15
67
FluxVLA/FluxVLA

Eine All-in-One-VLA-Engineering-Plattform für verkörperte KI – von Daten bis zur Bereitstellung auf echten Robotern.

FluxVLA
⭐ 794 Python 👤 FluxVLA Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2026-04-01
68
MigoXLab/dingo

Dingo: Ein umfassendes Tool zur Bewertung der Qualität von KI-Daten, -Modellen und -Anwendungen

MigoXLab
⭐ 771 Python 👤 MigoXLab Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2024-12-24
69
taco-group/SparkVSR

[ECCV 2026] SparkVSR: Interaktive Video-Super-Resolution durch spärliche Keyframe-Propagierung

taco-group
⭐ 752 Python 👤 taco-group Organization 🕐 Aktualisiert 2026-08-03 📅 Erstellt 2026-03-16
70
TIGER-AI-Lab/VLM2Vec

Dieses Repository enthält den Code für "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] und "MMEB-V3" [COLM 2026]

TIGER-AI-Lab
⭐ 705 Python 👤 TIGER-AI-Lab Organization 🕐 Aktualisiert 2026-10-23 📅 Erstellt 2024-10-07
71
hybridgroup/yzma

Mit eigener Intelligenz voran: Schreiben Sie Go-Anwendungen, die llama.cpp direkt integrieren, um unter Linux, macOS, Windows und WebAssembly lokale Inferenz mit Hardwarebeschleunigung durchzuführen.

hybridgroup
⭐ 677 Go 👤 hybridgroup Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2025-09-21
72
mbzuai-oryx/GeoChat

[CVPR 2024 🔥] GeoChat, das erste geerdete große Sprachmodell für die Fernerkundung

mbzuai-oryx
⭐ 675 Python 👤 mbzuai-oryx Organization 🕐 Aktualisiert 2024-11-28 📅 Erstellt 2023-11-23
⭐ 650 👤 XiaomiMiMo Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2025-05-29
74
zenstory-ai/video-recap-skills

KI-Agenten-Skillpaket für kommentierte Videos: automatische Szenenschnitte, Bildanalyse zum Verfassen des Sprechertexts, Sprachaufnahme und Audiomischung zur Erstellung des fertigen Videos; Export von Entwürfen für Jianying/CapCut, keine GPU erforderlich | Agenten-Skills für kommentierte Videozusammenfassungen und CapCut-Entwürfe

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-05-02
75
huggingface/optimum-intel

🤗 Optimum Intel: Inferenz mit Intel Optimierungstools beschleunigen

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-05-25
76
RobotecAI/rai

RAI ist ein vendor-agnostisches agentisches Framework für Physical-AI-Robotik, das ROS-2-Tools nutzt, um komplexe Aktionen, definierte Szenarien, freie Schnittstellen-Ausführung, Log-Zusammenfassungen, Sprachinteraktion und mehr durchzuführen.

RobotecAI
⭐ 619 Python 👤 RobotecAI Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2024-06-04
77
Fabric-Project/Fabric

Node Creative Coding / 3D / Bildverarbeitungstool, inspiriert von Quartz Composer

Fabric-Project
⭐ 613 Swift 👤 Fabric-Project Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2025-04-28
78
THUSI-Lab/GameScaling

Skalierung in Spielen: Fortgesetztes Vortraining verkörperter Agenten in vielfältigen virtuellen Welten. Modellgewichte auf Hugging Face.

THUSI-Lab
⭐ 604 Python 👤 THUSI-Lab Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2026-10-10
79
gokayfem/ComfyUI_VLM_nodes

ComfyUI-Nodes für Vision-Language-Modelle: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Sowie Open-Vocabulary-Erkennung, SAM2/SAM3-Segmentierung, zeitliche Videobetrachtung, GGUF via llama.cpp und gehostete LLM/VLM-APIs.

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 Aktualisiert 2026-08-08 📅 Erstellt 2024-01-24
80
awwaiid/ghostwriter

Verwende das reMarkable2 als Schnittstelle zu vision-LLMs (ChatGPT, Claude, Gemini). Geist in der Maschine!

awwaiid
⭐ 573 Rust 👤 awwaiid User 🕐 Aktualisiert 2026-11-12 📅 Erstellt 2024-10-06
81
Flame-Code-VLM/Flame-Code-VLM

Flame ist ein Open-Source-multimodales KI-System, das entwickelt wurde, um UI-Design-Mockups in qualitativ hochwertigen React-Code zu übersetzen. Es nutzt Vision-Language-Modelling, automatisierte Datensynthese und strukturierte Trainings-Workflows, um die Lücke zwischen Design und Frontend-Entwicklung zu schließen.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 Aktualisiert 2026-02-11 📅 Erstellt 2025-02-10
82
vlm-run/vlmrun-hub

Ein Zentrum für verschiedene branchenspezifische Schemata zur Verwendung mit VLMs.

vlm-run
⭐ 555 Python 👤 vlm-run Organization 🕐 Aktualisiert 2025-12-15 📅 Erstellt 2024-11-11
83
OpenEnvision/Awesome-Multimodal-Modeling

Großartige multimodale Modellierung [Umfasst MLLM, UMM und NMM]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2026-03-27
84
niuzaisheng/ScreenAgent

ScreenAgent: Ein durch visuelle Sprachgroßmodelle gesteuerter Computersteuerungsagent (IJCAI-24)

niuzaisheng
⭐ 547 Python 👤 niuzaisheng User 🕐 Aktualisiert 2024-11-25 📅 Erstellt 2024-01-15
85
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
86
vulab-AI/Awesome-Spatial-VLMs

[Awesome-Spatial-VLMs] Dieses Repository ist die offizielle, von der Community gepflegte Ressource für das Übersichts-Paper: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey.

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 Aktualisiert 2026-07-30 📅 Erstellt 2025-07-10
87
haoranD/Awesome-Embodied-AI

Eine kuratierte Liste hervorragender Papiere zu Embodied AI und verwandten Forschungs‑/Industrie‑Ressourcen.

haoranD
⭐ 525 👤 haoranD User 🕐 Aktualisiert 2025-06-03 📅 Erstellt 2023-07-21
88
coderonion/awesome-cuda-and-hpc

🚀🚀🚀 Dieses Repository listet einige großartige öffentliche Projekte zu CUDA, cuda-python, cuBLAS, cuDNN, CUTLASS, TensorRT, TensorRT-LLM, Triton, TVM, MLIR, PTX und High Performance Computing (HPC) auf.

coderonion
⭐ 502 👤 coderonion User 🕐 Aktualisiert 2025-08-02 📅 Erstellt 2023-02-23
89
NVlabs/vla0

VLA-0: Hochmoderne VLAs ohne jegliche Änderungen entwickeln

NVlabs
⭐ 501 Python 👤 NVlabs Organization 🕐 Aktualisiert 2026-02-21 📅 Erstellt 2025-10-14