Git Stars Git Stars

#multimodal-large-language-models Dépôts

Découvrez 43 dépôts GitHub open source actifs associés à #multimodal-large-language-models, cumulant 78,032 étoiles au total (soit une moyenne de 1,814 étoiles par projet). Le projet en tête de ce thème est BradyFU/Awesome-Multimodal-Large-Language-Models, avec 18,090 étoiles.

43
Total des Dépôts
78,032
Nombre total d'étoiles
1,814
Moyenne d'Étoiles/Dépôt
1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:Dernières avancées sur les grands modèles de langage multimodaux

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 Mis à jour 2026-10-29 📅 Créé 2023-05-19
2
X-PLUG/MobileAgent

Mobile-Agent : La famille d'agents GUI puissante

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 Mis à jour 2026-11-03 📅 Créé 2024-01-26
3
joanrod/star-vector

StarVector est un modèle fondamental pour la génération de SVG qui transforme la vectorisation en une tâche de génération de code. Utilisant une architecture de modélisation vision-langage, StarVector traite les entrées visuelles et textuelles pour produire du code SVG de haute qualité avec une précision remarquable.

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 Mis à jour 2025-11-07 📅 Créé 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et de haute qualité, construit sur Llama-3.1-8B-Instruct, visant à atteindre des capacités vocales au niveau de GPT-4o.

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 Mis à jour 2025-05-19 📅 Créé 2024-09-10
5
sherlockchou86/VideoPipe

Un framework multiplateforme de structuration vidéo (analyse vidéo) basé sur des modèles CV et mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Mis à jour 2026-02-25 📅 Créé 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5 : Vers une interaction vision et parole en temps réel de niveau GPT-4o

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 Mis à jour 2025-03-28 📅 Créé 2024-08-10
7
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl : Modèle linguistique multimodal modulaire pour la compréhension de documents

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Mis à jour 2025-05-30 📅 Créé 2023-07-04
8
cambrian-mllm/cambrian

Cambrian-1 est une famille de LLM multimodaux avec une conception centrée sur la vision.

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 Mis à jour 2025-11-07 📅 Créé 2024-06-17
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] Maîtriser la diffusion texte-image : Recaptionnement, planification et génération avec des LLM multimodaux (RPG)

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 Mis à jour 2025-02-01 📅 Créé 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VL, un modèle de fondation vision-langage conçu pour faire progresser la compréhension et le raisonnement multimodaux à usage général, atteignant des performances de pointe sur 38 des 60 points de référence publics.

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 Mis à jour 2025-06-14 📅 Créé 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] Ceci est le premier article à explorer comment utiliser efficacement le RL de type R1 pour les MLLMs et présenter Vision‑R1, un MLLM de raisonnement qui exploite l'initialisation à démarrage froid et l'entraînement RL pour inciter la capacité de raisonnement.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Mis à jour 2026-03-20 📅 Créé 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

Une branche pour ajouter l'entraînement de modèles multimodaux à open-r1

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 Mis à jour 2025-02-08 📅 Créé 2025-01-27
13
ATH-MaaS/Ovis

Une nouvelle architecture de modèle linguistique multimodal (MLLM) de grande taille, conçue pour aligner structurellement les représentations visuelles et textuelles.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Mis à jour 2026-07-15 📅 Créé 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

Ce dépôt fournit des références précieuses pour les chercheurs dans le domaine de la multimodalité, commencez votre voyage d'exploration dans les MLLM de raisonnement basés sur RL !

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 Mis à jour 2026-09-29 📅 Créé 2025-02-21
15
Henry-23/VideoChat

Un humain numérique interactif vocal en temps réel, avec une apparence et une voix personnalisables, prenant en charge le clonage de voix, et un délai de dialogue aussi bas que 3 secondes.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Mis à jour 2025-12-18 📅 Créé 2024-10-18
17
NVIDIA/audio-flamingo

Implémentation PyTorch d'Audio Flamingo : Série de modèles linguistiques avancés pour la compréhension audio

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 Mis à jour 2025-12-15 📅 Créé 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

Notes de lecture sur les grands modèles de langage multimodaux, les grands modèles de langage et les modèles de diffusion

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 Mis à jour 2026-11-07 📅 Créé 2024-03-30
19
X-LANCE/SLAM-LLM

Un cadre pour le traitement de la parole, du langage, de l'audio et de la musique avec des grands modèles de langage

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 Mis à jour 2026-01-15 📅 Créé 2023-10-23
20
BAAI-DCAI/Bunny

Une famille de modèles multimodaux légers.

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 Mis à jour 2024-11-18 📅 Créé 2024-01-31
21
yaotingwangofficial/Awesome-MCoT

Raisonnement multimodal à chaînes de pensée : une enquête complète

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 Mis à jour 2026-10-03 📅 Créé 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

Une collection de ressources sur les applications de l'apprentissage multimodal en imagerie médicale.

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 Mis à jour 2026-10-26 📅 Créé 2022-07-13
23
daixiangzi/Awesome-Token-Compress

Une liste de papiers sur des travaux récents concernant la compression de jetons pour Vit et VLM

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 Mis à jour 2026-11-13 📅 Créé 2024-09-06
24
EvolvingLMMs-Lab/NEO

Série NEO : Modèles natifs de vision-langage basés sur les premiers principes

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2025-10-16
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME : Le tout premier benchmark d'évaluation complet des LLM multimodaux dans l'analyse vidéo

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 Mis à jour 2025-12-08 📅 Créé 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus : Grands assistants linguistiques et visuels qui se connectent et apprennent à utiliser des compétences

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 Mis à jour 2024-02-01 📅 Créé 2023-11-07
28
vision-x-nyu/thinking-in-space

Dépôt officiel et implémentation de l'évaluation de VSI-Bench

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 Mis à jour 2025-08-05 📅 Créé 2024-12-14
29
deepglint/unicom

Modèle de représentation visuelle à grande échelle

deepglint
⭐ 704 Python 👤 deepglint Organization 🕐 Mis à jour 2025-12-08 📅 Créé 2023-02-15
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat : Des tokens denses à la mémoire éparse pour la compréhension de longues vidéos

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Mis à jour 2025-01-29 📅 Créé 2023-06-26
31
NVlabs/OmniVinci

OmniVinci est un LLM omnimodal pour la compréhension conjointe de la vision, de l'audio et du langage.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 Mis à jour 2026-08-31 📅 Créé 2025-09-24
32
Coobiw/MPP-LLaVA

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.

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 Mis à jour 2025-03-10 📅 Créé 2023-10-24
33
FoundationVision/Liquid

(Accepté par IJCV)Liquid : Les modèles linguistiques sont des générateurs multimodaux évolutifs et unifiés

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 Mis à jour 2026-06-01 📅 Créé 2024-12-12
34
VITA-MLLM/Woodpecker

✨✨Woodpecker : Correction des hallucinations pour les grands modèles linguistiques multimodaux

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 Mis à jour 2024-12-23 📅 Créé 2023-09-26
35
lwpyh/Awesome-MLLM-Reasoning-Collection

Une collection d'articles, de codes, d'ensembles de données, de benchmarks et de ressources sur le raisonnement multimodal.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Mis à jour 2026-04-01 📅 Créé 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] Pensez au-delà des images

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 Mis à jour 2025-09-23 📅 Créé 2025-08-17
37
SkyworkAI/Vitron

NeurIPS 2024 Paper: Un LLM visuel unifié au niveau des pixels pour comprendre, générer, segmenter, éditer

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 Mis à jour 2024-10-20 📅 Créé 2024-03-18
38
ictnlp/LLaVA-Mini

LLaVA-Mini est un grand modèle multimodal (LMM) unifié qui peut prendre en charge la compréhension des images, des images haute résolution et des vidéos de manière efficace.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Mis à jour 2025-06-29 📅 Créé 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S : Vers une Supersensation Spatiale en Vidéo

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 Mis à jour 2026-04-03 📅 Créé 2025-10-13
40
AILab-CVC/SEED-X

Modèles multimodaux dans le monde réel

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 Mis à jour 2025-02-24 📅 Créé 2024-03-30
41
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 Une liste organisée d'articles sur la génération multimodale basée sur les LLM (image, vidéo, 3D et audio).

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 Mis à jour 2026-11-10 📅 Créé 2023-11-17
42
worldbench/awesome-vla-for-ad

🌐 Modèles de vision, langage et action pour la conduite autonome : passé, présent et avenir

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Mis à jour 2026-11-14 📅 Créé 2025-09-07
43
hustvl/EVF-SAM

Code officiel de « EVF-SAM : Fusion précoce vision-langage pour le modèle Segment Anything guidé par texte »

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Mis à jour 2025-03-17 📅 Créé 2024-06-12

Foire aux questions

1

Quel est le dépôt #multimodal-large-language-models le plus populaire sur GitHub ?

Le projet #multimodal-large-language-models open source le mieux classé sur GitHub est BradyFU/Awesome-Multimodal-Large-Language-Models, avec 18,090 étoiles. :sparkles::sparkles:Dernières avancées sur les grands modèles de langage multimodaux

2

Quels langages de programmation sont les plus utilisés dans les dépôts #multimodal-large-language-models ?

Parmi les projets #multimodal-large-language-models les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, C++.

3

Comment le classement des dépôts #multimodal-large-language-models est-il calculé ?

Nous suivons 43 dépôts open source actifs associés à #multimodal-large-language-models (500+ étoiles), totalisant 78,032 étoiles, avec une moyenne de 1,814 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.