#mllm Dépôts
Découvrez 39 dépôts GitHub open source actifs associés à #mllm, cumulant 95,941 étoiles au total (soit une moyenne de 2,460 étoiles par projet). Le projet en tête de ce thème est microsoft/unilm, avec 22,247 étoiles.
39 dépôts au total
Pré-entraînement auto-supervisé à grande échelle à travers les tâches, langues et modalités
[NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
[CVPR'25] Implémentations Officielles pour des Articles - MagicQuill : Un Système Interactif Intelligent d'Édition d'Images
Code et modèles pour l'article ICML 2024, NExT-GPT : Modèle linguistique multimodal Any-to-Any
InternLM-XComposer2.5-OmniLive : Un système multimodal complet pour les interactions audio et vidéo en streaming à long terme
mPLUG-DocOwl : Modèle linguistique multimodal modulaire pour la compréhension de documents
Cambrian-1 est une famille de LLM multimodaux avec une conception centrée sur la vision.
🚀🚀🚀 Une collection de projets fantastiques de séries YOLO pour la détection d'objets publics et les ensembles de données de détection d'objets associés.
Dépôt officiel pour la base de code Pixel-LLM : Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1ère solution pour LSVOS)
Catalogue visuel soigneusement sélectionné de plus de 200 architectures de modèles de vision et de langage (VLM/MLLM) : articles, schémas, recettes d’entraînement, jeux de données et calendrier de publication des agents d’IA multimodaux.
Cadre entièrement ouvert pour la formation multimodale démocratisée
OpenEMMA, une « reproduction » open source sous licence permissive du modèle EMMA de Waymo.
Série NEO : Modèles natifs de vision-langage basés sur les premiers principes
[NeurIPS' 2025] JarvisArt : Libérer la créativité artistique humaine via un agent intelligent de retouche photo
[CVPR2024] Le code pour "Osprey: Pixel Understanding with Visual Instruction Tuning"
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Un agent intelligent de vision par ordinateur capable de restaurer magiquement n'importe quelle image en 4K parfaite !
[NeurIPS 2025 spotlight] Implémentation officielle de "FutureSightDrive : Penser visuellement avec le CoT spatio-temporel pour la conduite autonome"
🚀🚀🚀Une collection de quelques projets publics impressionnants sur les grands modèles de langue (LLM), les modèles de vision et de langue (VLM), l'action vision-langage (VLA), le contenu généré par l'IA (AIGC), les ensembles de données et applications associés.
Ceci est un dépôt listant des articles sur la génération et l'application de graphes de scène.
Projet Personnel : MPP-Qwen14B & MPP-Qwen-Next (Pipeline Parallèle Multimodal basé sur Qwen-LM). Supporte [vidéo/image/multi-image] {sft/conversations}. Ne laissez pas la pauvreté limiter votre imagination ! Entraînez votre propre MLLM de type LLaVA-training 8B/14B sur RTX3090/4090 24 Go.
✨✨Woodpecker : Correction des hallucinations pour les grands modèles linguistiques multimodaux
[ICLR 2025] FakeShield : Détection et localisation explicables de falsification d'images via des modèles de langage multimodaux de grande taille
Emotion-LLaMA : Reconnaissance et raisonnement émotionnels multimodaux avec réglage par instruction
[ICLR2026] Implémentation officielle pour "JanusVLN : Découplage de la Sémantique et de la Spatialité avec Mémoire Implicite Double pour la Navigation Vision-Langage"
Nœuds ComfyUI pour les modèles vision-langage : Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Inclut également la détection à vocabulaire ouvert, la segmentation SAM2/SAM3, le raisonnement temporel vidéo, GGUF via llama.cpp, et des API LLM/VLM hébergées.
[ECCV2024] Grand modèle linguistique multimodal fondé avec tokenisation visuelle localisée
NeurIPS 2024 Paper: Un LLM visuel unifié au niveau des pixels pour comprendre, générer, segmenter, éditer
Code officiel d’OpenVLHarness : utilisation d’outils par des agents visuels dans le monde réel avec mémoire multimodale
Modélisation multimodale impressionnante [Couvre MLLM, UMM et NMM]
🔥🔥🔥 Une liste organisée d'articles sur la génération multimodale basée sur les LLM (image, vidéo, 3D et audio).
Un moteur d’inférence entièrement écrit en Rust pour les LLM, VLM, VLA, TTS et l’OCR, propulsé par Candle et Rust. Une alternative à llama.cpp, bien plus simple et épurée.
[Awesome-Spatial-VLMs] Ce dépôt est la ressource officielle, maintenue par la communauté, pour l'article de synthèse : Spatial Intelligence in Vision-Language Models: A Comprehensive Survey ;
Foire aux questions
Quel est le dépôt #mllm le plus populaire sur GitHub ?
Le projet #mllm open source le mieux classé sur GitHub est microsoft/unilm, avec 22,247 étoiles. Pré-entraînement auto-supervisé à grande échelle à travers les tâches, langues et modalités
Quels langages de programmation sont les plus utilisés dans les dépôts #mllm ?
Parmi les projets #mllm les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Markdown, JavaScript.
Comment le classement des dépôts #mllm est-il calculé ?
Nous suivons 39 dépôts open source actifs associés à #mllm (500+ étoiles), totalisant 95,941 étoiles, avec une moyenne de 2,460 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.