Git Stars Git Stars

#vision-language Repositorios

Descubre 20 repositorios activos de código abierto de GitHub etiquetados con #vision-language, que acumulan 40,771 estrellas en total (una media de 2,038 estrellas por proyecto). El líder de este tema es IDEA-Research/GroundingDINO, con 9,509 estrellas.

20
Total de Repositorios
40,771
Total de estrellas
2,038
Promedio de Estrellas/Repo

20 repositorios en total

1
IDEA-Research/GroundingDINO

[ECCV 2024] Implementación oficial del artículo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"

IDEA-Research
⭐ 9,509 Python 👤 IDEA-Research Organization 🕐 Actualizado 2024-08-12 📅 Creado 2023-03-09
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
salesforce/BLIP

Código PyTorch para BLIP: Bootstrapping Language-Image Pre-training para la Comprensión y Generación Unificada Visión-Lenguaje

salesforce
⭐ 5,626 Jupyter Notebook 👤 salesforce Organization 🕐 Actualizado 2024-08-05 📅 Creado 2022-01-25
4
OFA-Sys/OFA

Repositorio oficial de OFA (ICML 2022). Paper: OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

OFA-Sys
⭐ 2,550 Python 👤 OFA-Sys Organization 🕐 Actualizado 2024-04-24 📅 Creado 2022-01-29
5
2U1/Qwen-VL-Series-Finetune

Una implementación de código abierto para ajustar la serie Qwen-VL de Alibaba Cloud.

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 Actualizado 2026-09-09 📅 Creado 2024-09-10
6
AlibabaResearch/AdvancedLiterateMachinery

Una colección de ideas y algoritmos originales e innovadores para Maquinaria Literaria Avanzada. Este proyecto es mantenido por el Equipo OCR en el Language Technology Lab, Tongyi Lab, Alibaba Group.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Actualizado 2026-03-17 📅 Creado 2022-09-28
7
mbzuai-oryx/Video-ChatGPT

[ACL 2024 🔥] Video-ChatGPT es un modelo de conversación de video capaz de generar conversaciones significativas sobre videos. Combina las capacidades de los LLM con un codificador visual preentrenado adaptado para la representación de video espaciotemporal. También presentamos una rigurosa 'Evaluación cuantitativa de referencia' para modelos de conversación basados en video.

mbzuai-oryx
⭐ 1,516 Python 👤 mbzuai-oryx Organization 🕐 Actualizado 2026-09-05 📅 Creado 2023-05-18
8
llm-jp/awesome-japanese-llm

Resumen de LLM japoneses - Descripción general de LLM japoneses

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 Actualizado 2026-11-09 📅 Creado 2023-07-09
9
OpenDriveLab/DriveLM

[ECCV 2024 Oral] DriveLM: Conducir con preguntas y respuestas visuales sobre grafos

OpenDriveLab
⭐ 1,325 HTML 👤 OpenDriveLab Organization 🕐 Actualizado 2025-07-02 📅 Creado 2023-08-08
10
OFA-Sys/ONE-PEACE

Un modelo de representación general a través de modalidades de visión, audio y lenguaje. Artículo: ONE-PEACE: Explorando un modelo de representación general hacia modalidades ilimitadas

OFA-Sys
⭐ 1,063 Python 👤 OFA-Sys Organization 🕐 Actualizado 2024-10-06 📅 Creado 2023-05-18
11
TinyLLaVA/TinyLLaVA_Factory

Un marco de modelos multimodales pequeños y grandes

TinyLLaVA
⭐ 1,010 Python 👤 TinyLLaVA User 🕐 Actualizado 2026-10-19 📅 Creado 2024-02-21
12
mees/calvin

CALVIN - Un punto de referencia para el aprendizaje de políticas condicionado por el lenguaje para tareas de manipulación robótica de largo alcance

mees
⭐ 985 Python 👤 mees User 🕐 Actualizado 2025-09-08 📅 Creado 2021-07-20
13
SunzeY/AlphaCLIP

[CVPR 2024] Alpha-CLIP: Un modelo CLIP que se enfoca en donde quieras

SunzeY
⭐ 876 Jupyter Notebook 👤 SunzeY User 🕐 Actualizado 2025-07-20 📅 Creado 2023-11-27
14
mbzuai-oryx/LLaVA-pp

🔥🔥 LLaVA++: Extender LLaVA con Phi-3 y LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)

mbzuai-oryx
⭐ 843 Python 👤 mbzuai-oryx Organization 🕐 Actualizado 2026-09-05 📅 Creado 2024-04-26
15
longzw1997/Open-GroundingDino

Esta es la implementación de terceros del artículo Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.

longzw1997
⭐ 840 Python 👤 longzw1997 User 🕐 Actualizado 2025-07-27 📅 Creado 2023-10-14
16
OpenMOSS/MOSS-VL

Una serie de modelos de 11B con pesos abiertos para la comprensión de videos de larga duración y en tiempo real

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Actualizado 2026-10-14 📅 Creado 2026-04-08
17
Algolzw/daclip-uir

[ICLR 2024] Control de modelos de Visión-Lenguaje para la restauración universal de imágenes. Quinto lugar en el desafío NTIRE 2024 Restore Any Image Model in the Wild.

Algolzw
⭐ 799 Python 👤 Algolzw User 🕐 Actualizado 2024-08-07 📅 Creado 2023-09-30
18
AILab-CVC/SEED

Implementación oficial de SEED-LLaMA (ICLR 2024).

AILab-CVC
⭐ 638 Python 👤 AILab-CVC Organization 🕐 Actualizado 2024-09-21 📅 Creado 2023-07-15
19
worldbench/awesome-vla-for-ad

🌐 Modelos de visión, lenguaje y acción para la conducción autónoma: pasado, presente y futuro

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Actualizado 2026-11-14 📅 Creado 2025-09-07
20
zhaozh10/Awesome-CLIP-in-Medical-Imaging

Una encuesta sobre CLIP en imágenes médicas

zhaozh10
⭐ 509 👤 zhaozh10 User 🕐 Actualizado 2025-03-26 📅 Creado 2023-11-21

Preguntas frecuentes

1

¿Cuál es el repositorio de #vision-language más popular en GitHub?

El proyecto de código abierto de #vision-language mejor posicionado en GitHub es IDEA-Research/GroundingDINO, con 9,509 estrellas. [ECCV 2024] Implementación oficial del artículo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #vision-language?

Entre los proyectos de #vision-language mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, HTML.

3

¿Cómo se calcula la clasificación de los repositorios de #vision-language?

Seguimos 20 repositorios activos de código abierto etiquetados con #vision-language (500+ estrellas), que suman un total de 40,771 estrellas, con una media de 2,038 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.