Git Stars Git Stars

#vision-language-models Repositorios

86
Total de Repositorios
198,329
Total de estrellas
2,306
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook HTML

86 repositorios en total

51
rai-opensource/vlfm

El repositorio proporciona el código asociado al artículo VLFM: Vision-Language Frontier Maps para la navegación semántica de cero disparos (ICRA 2024)

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

[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. ¡Un agente inteligente de visión por computadora que puede restaurar mágicamente cualquier imagen a 4K perfectos!

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

Código oficial de RDT 2

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

Una lista de artículos sobre razonamiento espacial

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

Código oficial para "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]

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

[NeurIPS'25 Spotlight] Repositorio oficial de "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment"

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

MM-EUREKA: Explorando las fronteras del razonamiento multimodal con aprendizaje por refuerzo basado en reglas

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

Una colección y encuesta de vanguardia sobre artículos de modelos de visión-idioma, y repositorio GitHub de modelos. Actualizaciones continuas.

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

Datos y código para el artículo de NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".

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

Código para LERF: Campos de Radiación Embebidos en Lenguaje

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

Repositorio oficial para el artículo PLLaVA

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

[ICCV 2025] Código oficial de "ORION: Un marco holístico de extremo a extremo para conducción autónoma mediante generación de acciones instruida por visión y lenguaje"

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

EMNLP'22 | MedCLIP: Aprendizaje contrastivo a partir de imágenes y textos médicos no emparejados

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

ParseBench - Un punto de referencia de análisis de documentos para agentes de IA

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

Implementación oficial para AnomalyCLIP (ICLR 2024)

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

Chatea con tus documentos utilizando Modelos de Lenguaje de Visión. Este repositorio implementa un pipeline RAG de extremo a extremo con VLMs locales y propietarios.

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

[ICLR 2026] ReCogDrive: Un Marco Cognitivo Reforzado para Conducción Autónoma de Extremo a Extremo

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

🔥🔥Los primeros modelos de comprensión de vídeo a escala horaria

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

Implementación oficial del código de Vary-toy (Small Language Model se encuentra con Reinforced Vision Vocabulary)

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

Una lista curada de recursos de aprendizaje por refuerzo multimodales (actualizada continuamente)

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

Repositorio oficial de "Glyph: Scaling Context Windows via Visual-Text Compression"

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

Framework que permite el ajuste fino de modelos de anclaje de visión y lenguaje en conjuntos de datos personalizados

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Actualizado 2026-08-30 📅 Creado 2025-03-19
77
lwpyh/Awesome-MLLM-Reasoning-Collection

Una colección de artículos, códigos, conjuntos de datos, puntos de referencia (benchmarks) y recursos sobre razonamiento multimodal.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Actualizado 2026-04-01 📅 Creado 2025-03-16
78
THUDM/INFTY

INFTY Engine: Un conjunto de herramientas de optimización para apoyar la IA continua

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

[BIONLP@ACL 2024] XrayGPT: Resumen de radiografías de tórax utilizando modelos médicos de visión y lenguaje.

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

Aprendizaje por refuerzo con modelos del mundo para agentes VLM de múltiples turnos. Marco de aprendizaje por refuerzo para la visión (NeurIPS 2025).

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

Implementaciones oficiales de "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]

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

Un marco de interacción de aprendizaje por refuerzo humano-multiagente confiable

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 Actualizado 2026-10-04 📅 Creado 2025-05-13