Git Stars Git Stars

#vlm Repositorios

89
Total de Repositorios
457,898
Total de estrellas
5,144
Promedio de Estrellas/Repo

89 repositorios en total

51
NVIDIA-NeMo/Automodel

🚀 Biblioteca de entrenamiento nativo distribuido de Pytorch para LLMs/VLMs con soporte inmediato para Hugging Face

NVIDIA-NeMo
⭐ 1,096 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-05-21
52
BAAI-DCAI/Bunny

Una familia de modelos multimodales ligeros.

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 Actualizado 2024-11-18 📅 Creado 2024-01-31
53
Valen-Team/Valen

Modelos abiertos de decisión multimodal, de 0,8B a 27B, para texto, imágenes y vídeo. Decide asignando probabilidades a tus propios candidatos y localiza con cuadros delimitadores, en lugar de generar texto. API gratuita, ONNX, GGUF, vLLM y SGLang; incluye código de ajuste fino.

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 Actualizado 2026-11-15 📅 Creado 2026-09-23
54
EvolvingLMMs-Lab/NEO

Serie NEO: Modelos nativos de visión-lenguaje desde los primeros principios

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 Actualizado 2026-11-11 📅 Creado 2025-10-16
55
candle-org/MindAct

MindSpore + 🤗Huggingface: Ejecute cualquier modelo de Transformers/Diffusers en MindSpore con compatibilidad y aceleración perfectas.

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

【Nuevo modo de agente inteligente】Asistente GPT para Android en todos los escenarios, activable con teclas de volumen para interacción por voz, soporta conexión a internet, toma de fotos, plantillas, análisis de PDF y documentos de Office, y modo agente.

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

UniWorld: Codificadores semánticos de alta resolución para la comprensión y generación visual unificada

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

Base de Código Unificada para Modelos Mundiales Avanzados.

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

Un framework de alto rendimiento para entrenar LLM, VLM, modelos de difusión y modelos incorporados en GPU NVIDIA y XPU Kunlun. Admite Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 y más.

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

Modelo SOTA de edición de múltiples imágenes de código abierto

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

[EMNLP 2026] MobileGym: Una plataforma de simulación verificable y altamente paralela para la investigación de agentes de GUI móvil · Simulador de Android alojado en el navegador · Evaluación verificable · Entrenamiento de RL en línea escalable

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 Actualizado 2026-11-16 📅 Creado 2026-05-14
62
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
63
OpenDataBox/awesome-data-llm

Repositorio oficial del artículo de encuesta "LLM × DATA"

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

Una lista seleccionada de artículos de Visión 3D relacionados con el dominio de la Robótica en la era de los modelos grandes, es decir, LLMs/VLMs, inspirada en awesome-computer-vision, que incluye artículos, códigos y sitios web relacionados

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

[CVPR 2026🔥] 🧑‍🎨 OmniLottie, un generador de animaciones vectoriales multimodales de código abierto que produce archivos Lottie JSON.

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

🚀🚀🚀Una colección de algunos proyectos públicos impresionantes sobre Modelos de Lenguaje Grandes (LLM), Modelos de Visión y Lenguaje (VLM), Acción Visión-Lenguaje (VLA), Contenido Generado por IA (AIGC), los Datasets y Aplicaciones relacionados.

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

Una plataforma de ingeniería VLA todo en uno para IA encarnada: desde los datos hasta el despliegue en robots reales.

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

Dingo: Una herramienta integral de evaluación de la calidad de datos, modelos y aplicaciones de IA

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

[ECCV 2026] SparkVSR: Superresolución de video interactiva mediante propagación de fotogramas clave dispersos

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

Este repositorio contiene el código de "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] y "MMEB-V3" [COLM 2026]

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

Avanza con tu propia inteligencia: escribe aplicaciones en Go que integren directamente llama.cpp para realizar inferencia local mediante aceleración de hardware en Linux, macOS, Windows y WebAssembly.

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

[CVPR 2024 🔥] GeoChat, el primer modelo de lenguaje visual a gran escala anclado para teledetección

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

Paquete de habilidades de agente de IA para narración de videos: corta escenas automáticamente, analiza las imágenes para escribir el guion de narración, añade la voz en off y mezcla el audio para producir el video final; permite exportar borradores para Jianying/CapCut, sin necesidad de GPU | Habilidades de agente para resúmenes narrados de videos y borradores de CapCut

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

🤗 Optimum Intel: Acelera la inferencia con herramientas de optimización de Intel

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

RAI es un marco agente agnóstico de proveedores para robótica de IA Física, que utiliza herramientas de ROS 2 para realizar acciones complejas, escenarios definidos, ejecución de interfaz libre, resúmenes de registros, interacción por voz y más.

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

Herramienta Node Creative Coding / 3D / Procesamiento de imágenes inspirada en Quartz Composer

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

Escalabilidad en los juegos: preentrenamiento continuo de agentes corporizados en diversos mundos virtuales. Pesos en Hugging Face.

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

Nodos de ComfyUI para modelos de visión-lenguaje: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Además de detección de vocabulario abierto, segmentación SAM2/SAM3, razonamiento temporal de video, GGUF a través de llama.cpp y APIs de LLM/VLM alojadas.

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

Usa el reMarkable2 como interfaz para vision-LLMs (ChatGPT, Claude, Gemini). ¡Fantasma en la máquina!

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

Flame es un sistema de IA multimodal de código abierto diseñado para traducir maquetas de diseño de UI en código React de alta calidad. Aprovecha el modelado de visión y lenguaje, la síntesis de datos automatizada y los flujos de trabajo de entrenamiento estructurados para cerrar la brecha entre el diseño y el desarrollo front-end.

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

Un centro para varios esquemas específicos de la industria para usar con VLMs.

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

Modelado multimodal impresionante [Cubre MLLM, UMM y NMM]

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

ScreenAgent: Un agente de control de computadora impulsado por un modelo grande de lenguaje visual (IJCAI-24)

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

[Awesome-Spatial-VLMs] Este repositorio es el recurso oficial, mantenido por la comunidad, para el artículo de revisión: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey;

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

Una lista curada de excelentes artículos sobre IA incorporada y recursos relacionados de investigación e industria.

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

🚀🚀🚀 Este repositorio enumera algunos proyectos públicos increíbles de CUDA, cuda-python, cuBLAS, cuDNN, CUTLASS, TensorRT, TensorRT-LLM, Triton, TVM, MLIR, PTX y Computación de Alto Rendimiento (HPC).

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

VLA-0: Cómo crear VLA de última generación sin ninguna modificación

NVlabs
⭐ 501 Python 👤 NVlabs Organization 🕐 Actualizado 2026-02-21 📅 Creado 2025-10-14