Git Stars Git Stars

#multi-modal-learning Repositorios

Descubre 19 repositorios activos de código abierto de GitHub etiquetados con #multi-modal-learning, que acumulan 41,270 estrellas en total (una media de 2,172 estrellas por proyecto). El líder de este tema es mlfoundations/open_clip, con 14,278 estrellas.

19
Total de Repositorios
41,270
Total de estrellas
2,172
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook Java

19 repositorios en total

1
mlfoundations/open_clip

Una implementación de código abierto de CLIP.

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

Versión china de CLIP que logra la recuperación intermodal y la generación de representaciones en chino.

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

GigaBrain-0: Un Modelo Visión-Lenguaje-Acción Impulsado por un Modelo del Mundo

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

Construcción de agentes corpóreos abiertos con conocimiento a escala de Internet

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

Repositorio oficial para "AM-RADIO: Reduce All Domains Into One"

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

Este repositorio contiene la implementación oficial de los artículos de investigación "MobileCLIP" CVPR 2024 y "MobileCLIP2" TMLR Agosto 2025

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

Macaw-LLM: Modelado de lenguaje multimodal con integración de imágenes, video, audio y texto

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

[ICLR 2026] Repositorio de AudioX

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

La implementación de "Prismer: un modelo de visión y lenguaje con expertos multitarea".

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

HuMo: Generación de video centrada en el ser humano a través de condicionamiento multimodal colaborativo

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

VideoX: una colección de modelos de video cross-modal

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

ALFWorld: Alineación de texto y entornos encarnados para el aprendizaje interactivo

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

[ECCV 2024] Implementación oficial del artículo "X-Pose: Detecting Any Keypoints"

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

Una implementación concisa pero completa de CLIP, con diversas mejoras experimentales propuestas en artículos recientes

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

BiomedParse: Un modelo fundamental para la segmentación, detección y reconocimiento conjunto de objetos biomédicos en nueve modalidades

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

BiomedGPT: Un modelo de fundación generalista de Visión y Lenguaje para diversas tareas biomédicas

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

[CVPR 2024 & NeurIPS 2024] EmbodiedScan: Una suite holística de percepción 3D multimodal para IA encarnada

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

Recursos de modelos de Visión-Lenguaje-Acción para Conducción Autónoma (VLA4AD), que sirven como repositorio complementario al artículo de revisión “A Survey on Vision–Language–Action Models for Autonomous Driving”.

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

Los gráficos de conocimiento se encuentran con el aprendizaje multimodal: una encuesta exhaustiva

zjukg
⭐ 510 👤 zjukg Organization 🕐 Actualizado 2026-03-02 📅 Creado 2024-01-29

Preguntas frecuentes

1

¿Cuál es el repositorio de #multi-modal-learning más popular en GitHub?

El proyecto de código abierto de #multi-modal-learning mejor posicionado en GitHub es mlfoundations/open_clip, con 14,278 estrellas. Una implementación de código abierto de CLIP.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #multi-modal-learning?

Entre los proyectos de #multi-modal-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Java.

3

¿Cómo se calcula la clasificación de los repositorios de #multi-modal-learning?

Seguimos 19 repositorios activos de código abierto etiquetados con #multi-modal-learning (500+ estrellas), que suman un total de 41,270 estrellas, con una media de 2,172 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.