Git Stars Git Stars

#video-understanding Dépôts

Découvrez 51 dépôts GitHub open source actifs associés à #video-understanding, cumulant 114,089 étoiles au total (soit une moyenne de 2,237 étoiles par projet). Le projet en tête de ce thème est QwenLM/Qwen3-VL, avec 20,240 étoiles.

51
Total des Dépôts
114,089
Nombre total d'étoiles
2,237
Moyenne d'Étoiles/Dépôt
1
QwenLM/Qwen3-VL

Qwen3-VL est la série de grands modèles linguistiques multimodaux développée par l'équipe Qwen d'Alibaba Cloud.

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 Mis à jour 2026-01-30 📅 Créé 2024-08-29
2
facebookresearch/SlowFast

PySlowFast : codebase de compréhension vidéo de FAIR pour reproduire les modèles vidéo de pointe.

facebookresearch
⭐ 7,447 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-03-16 📅 Créé 2019-08-20
3
LargeWorldModel/LWM

Large World Model -- Modélisation de texte et de vidéo avec des millions de contextes

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 Mis à jour 2024-10-19 📅 Créé 2024-02-08
4
open-mmlab/mmaction2

La boîte à outils et le benchmark de nouvelle génération d'OpenMMLab pour la compréhension vidéo

open-mmlab
⭐ 5,203 Python 👤 open-mmlab Organization 🕐 Mis à jour 2026-03-18 📅 Créé 2020-07-11
5
facebookresearch/vjepa2

Code et modèles PyTorch pour l'apprentissage autorégressif VJEPA2 à partir de vidéos.

facebookresearch
⭐ 4,911 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-10-29 📅 Créé 2025-04-25
7
EvolvingLMMs-Lab/lmms-eval

Boîte à outils d'évaluation multimodale One-for-All pour les tâches textuelles, d'images, de vidéos et audio

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-03-07
8
NVlabs/VILA

VILA est une famille de modèles de langage visuel (VLM) de pointe pour diverses tâches d'IA multimodales dans les environnements edge, de centre de données et cloud.

NVlabs
⭐ 3,873 Python 👤 NVlabs Organization 🕐 Mis à jour 2026-03-12 📅 Créé 2024-02-23
9
facebookresearch/pytorchvideo

Une bibliothèque d'apprentissage profond pour la recherche sur la compréhension vidéo.

facebookresearch
⭐ 3,568 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-10-16 📅 Créé 2021-03-09
10
OpenGVLab/Ask-Anything

[CVPR2024 Highlight][VideoChatGPT] ChatGPT avec compréhension vidéo ! Et de nombreux autres LM pris en charge tels que miniGPT4, StableLM et MOSS.

OpenGVLab
⭐ 3,361 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2026-07-17 📅 Créé 2023-04-19
11
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Derniers articles, codes et ensembles de données sur les Vid-LLMs.

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 Mis à jour 2026-11-11 📅 Créé 2023-07-16
12
google-research/kubric

Un pipeline de génération de données pour créer des vidéos synthétiques semi-réalistes multi-objets avec des annotations riches telles que des masques de segmentation d'instance, des cartes de profondeur et un flux optique.

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 Mis à jour 2026-05-21 📅 Créé 2020-07-22
13
OpenGVLab/InternVideo

[ECCV2024] Modèles Fondamentaux Vidéo & Données pour la Compréhension Multimodale

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2026-07-02 📅 Créé 2022-11-23
14
facebookresearch/perception_models

Modèles CLIP" d'imagerie et de vidéo de pointe, grands modèles linguistiques multimodaux, et plus encore !

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 Mis à jour 2026-04-13 📅 Créé 2025-04-16
15
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-Réflexion : Vers un raisonnement multimodal polyvalent grâce à l'apprentissage par renforcement évolutif

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2025-06-28
16
mit-han-lab/temporal-shift-module

[ICCV 2019] TSM : Module de Décalage Temporel pour une Compréhension Vidéo Efficace

mit-han-lab
⭐ 2,167 Python 👤 mit-han-lab Organization 🕐 Mis à jour 2024-07-11 📅 Créé 2019-03-27
17
HKUDS/VideoAgent

[EMNLP2026] « VideoAgent : cadre agentique tout-en-un pour la compréhension, l’édition et la recréation de vidéos »

HKUDS
⭐ 2,059 Python 👤 HKUDS Organization 🕐 Mis à jour 2026-07-22 📅 Créé 2025-07-16
18
NVIDIA-AI-Blueprints/video-search-and-summarization

Le plan d'IA NVIDIA pour la recherche et le résumé vidéo (VSS) est une architecture de référence accélérée par GPU pour construire des agents d'analyse vidéo avec des alertes vérifiées en temps réel, des questions-réponses visuelles et des rapports automatisés. Le plan VSS utilise des modèles de langage visuel (VLM) tels que NVIDIA Cosmos, des LLM tels que NVIDIA Nemotron, RAG et NVIDIA NIM.

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-10-22
⭐ 1,795 Python 👤 microsoft Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2026-06-15
20
PaddlePaddle/PaddleVideo

Superbes boîtes à outils de compréhension vidéo basées sur PaddlePaddle. Il prend en charge les outils d'annotation de données vidéo, les modèles légers basés sur RVB et squelettiques pour la reconnaissance d'actions, les applications pratiques d'étiquetage vidéo et de détection d'actions sportives.

PaddlePaddle
⭐ 1,698 Python 👤 PaddlePaddle Organization 🕐 Mis à jour 2025-02-12 📅 Créé 2020-11-12
21
bytedance/SALMONN

Famille SALMONN : Une suite de LLM multimodaux avancés

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 Mis à jour 2026-10-16 📅 Créé 2023-08-11
22
bytedance/Lance

Un modèle multimodal unifié natif à 3 milliards de paramètres actifs pour la compréhension, la génération et l'édition d'images et de vidéos.

bytedance
⭐ 1,370 Python 👤 bytedance Organization 🕐 Mis à jour 2026-07-14 📅 Créé 2026-05-15
23
DAMO-NLP-SG/VideoLLaMA3

Modèles Fondamentaux Multimodaux de Pointe pour la Compréhension d'Images et de Vidéos

DAMO-NLP-SG
⭐ 1,174 Jupyter Notebook 👤 DAMO-NLP-SG Organization 🕐 Mis à jour 2025-08-14 📅 Créé 2025-01-19
24
TheShadow29/awesome-grounding

awesome grounding: Une liste curated de papiers de recherche en grounding visuel

TheShadow29
⭐ 1,132 👤 TheShadow29 User 🕐 Mis à jour 2026-10-16 📅 Créé 2018-09-03
25
mit-han-lab/streaming-vlm

StreamingVLM : Compréhension en temps réel pour des flux vidéo infinis

mit-han-lab
⭐ 1,095 Python 👤 mit-han-lab Organization 🕐 Mis à jour 2025-10-15 📅 Créé 2025-10-11
26
OpenGVLab/VideoMamba

[ECCV2024] VideoMamba : Modèle d'espace d'état pour une compréhension vidéo efficace

OpenGVLab
⭐ 1,052 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2024-07-06 📅 Créé 2024-03-11
27
cuixing158/Awesome-CV-MasterHub

:fire: :fire: :fire: Une liste d'articles sur certains travaux récents en vision par ordinateur (CV)

cuixing158
⭐ 986 👤 cuixing158 User 🕐 Mis à jour 2026-11-08 📅 Créé 2025-02-14
28
activitynet/ActivityNet

Ce dépôt est destiné à héberger des outils et des démonstrations pour ActivityNet.

activitynet
⭐ 965 Jupyter Notebook 👤 activitynet Organization 🕐 Mis à jour 2024-03-21 📅 Créé 2015-10-23
29
PKU-YuanGroup/Chat-UniVi

[CVPR 2024 Highlight🔥] Chat-UniVi : La représentation visuelle unifiée renforce les grands modèles linguistiques avec la compréhension d'images et de vidéos

PKU-YuanGroup
⭐ 943 Python 👤 PKU-YuanGroup Organization 🕐 Mis à jour 2024-10-16 📅 Créé 2023-11-13
30
Valen-Team/Valen

Modèles ouverts de décision multimodale, de 0,8B à 27B, pour le texte, les images et la vidéo. Prenez des décisions en attribuant des probabilités à vos propres candidats et localisez avec des cadres de délimitation, plutôt que de générer du texte. API gratuite, ONNX, GGUF, vLLM et SGLang ; code de fine-tuning inclus.

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2026-09-23
31
tulerfeng/Video-R1

Video-R1: Renforcer le Raisonnement Vidéo dans les MLLM [🔥le premier article à explorer R1 pour la vidéo]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Mis à jour 2025-12-14 📅 Créé 2025-02-22
32
DirtyHarryLYL/LLM-in-Vision

Travaux récents basés sur les LLM en vision par ordinateur et connexes. Bienvenue pour commenter/contribuer !

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 Mis à jour 2025-03-08 📅 Créé 2023-03-10
33
dvlab-research/LLaMA-VID

LLaMA-VID : Une image vaut 2 jetons dans les grands modèles linguistiques (ECCV 2024)

JIA-Lab-research
⭐ 854 Python 👤 JIA-Lab-research Organization 🕐 Mis à jour 2024-07-29 📅 Créé 2023-11-28
34
OpenMOSS/MOSS-VL

Une série de modèles de 11B à poids ouverts pour la compréhension de vidéos longues et en temps réel

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Mis à jour 2026-10-14 📅 Créé 2026-04-08
35
CodeGoat24/UnifiedReward

Implémentation officielle de UnifiedReward et [NeurIPS 2025] UnifiedReward-Think et UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Mis à jour 2026-06-18 📅 Créé 2025-03-04
37
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
38
OpenGVLab/VideoMAEv2

[CVPR 2023] VideoMAE V2 : Mise à l'échelle des autoencodeurs masqués vidéo avec double masquage

OpenGVLab
⭐ 730 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2024-10-08 📅 Créé 2023-04-04
39
showlab/videollm-online

VideoLLM-online : Modèle linguistique étendu en ligne pour la vidéo en streaming (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Mis à jour 2025-11-26 📅 Créé 2024-06-17
40
magic-research/PLLaVA

Référentiel officiel pour le papier PLLaVA

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 Mis à jour 2024-07-28 📅 Créé 2024-04-18
41
bytedance/vidi

Le dépôt officiel pour « Vidi : Modèles multimodaux volumineux pour la compréhension et l'édition de vidéos »

bytedance
⭐ 662 Python 👤 bytedance Organization 🕐 Mis à jour 2026-08-03 📅 Créé 2025-02-08
43
Vision-CAIR/MiniGPT4-video

Code officiel pour le modèle Goldfish pour la compréhension de longues vidéos et MiniGPT4-vidéo pour la compréhension de courtes vidéos

Vision-CAIR
⭐ 637 Python 👤 Vision-CAIR Organization 🕐 Mis à jour 2024-12-10 📅 Créé 2024-03-23
44
jy0205/LaVIT

LaVIT : Permettre au grand modèle linguistique de comprendre et de générer du contenu visuel

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Mis à jour 2024-10-06 📅 Créé 2023-09-09
45
oxbshw/watch-skill

Donnez aux agents d’IA des yeux, des oreilles et des résultats vérifiables. Watch Skill transforme les vidéos, l’audio et l’activité à l’écran en preuves horodatées et consultables, et atteste le travail à l’aide de contrats déterministes, et non des avis du modèle. DeepWatch est l’espace de travail pour agents conçu sur DeepSeek Harness. Python + npm, MCP, CLI, REST et Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Mis à jour 2026-11-16 📅 Créé 2026-07-05
46
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
47
zhenyingfang/Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

Détection d'action temporelle & Détection d'action temporelle faiblement supervisée & Génération de propositions d'action temporelle

zhenyingfang
⭐ 597 👤 zhenyingfang User 🕐 Mis à jour 2026-11-20 📅 Créé 2020-03-09
48
gokayfem/ComfyUI_VLM_nodes

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.

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 Mis à jour 2026-08-08 📅 Créé 2024-01-24
49
SAOS-3624/dsh-video-storyboard

Storyboard sensible aux scènes pour DeepSeek Harness : de 9 à 16 cases numérotées avec horodatages + transcription + enveloppe audio, réunies dans UNE seule image (384 tokens). Deux outils : video_storyboard et video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-10-26
50
AssafSinger94/dino-tracker

Implémentation officielle de Pytorch pour « DINO-Tracker : Dompter DINO pour le suivi de points auto-supervisé dans une seule vidéo » (ECCV 2024)

AssafSinger94
⭐ 543 Python 👤 AssafSinger94 User 🕐 Mis à jour 2024-11-23 📅 Créé 2024-04-03

Foire aux questions

1

Quel est le dépôt #video-understanding le plus populaire sur GitHub ?

Le projet #video-understanding open source le mieux classé sur GitHub est QwenLM/Qwen3-VL, avec 20,240 étoiles. Qwen3-VL est la série de grands modèles linguistiques multimodaux développée par l'équipe Qwen d'Alibaba Cloud.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #video-understanding ?

Parmi les projets #video-understanding les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, JavaScript.

3

Comment le classement des dépôts #video-understanding est-il calculé ?

Nous suivons 51 dépôts open source actifs associés à #video-understanding (500+ étoiles), totalisant 114,089 étoiles, avec une moyenne de 2,237 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.