Git Stars Git Stars

#vision-language-model Dépôts

Découvrez 82 dépôts GitHub open source actifs associés à #vision-language-model, cumulant 263,383 étoiles au total (soit une moyenne de 3,211 étoiles par projet). Le projet en tête de ce thème est haotian-liu/LLaVA, avec 24,232 étoiles.

82
Total des Dépôts
263,383
Nombre total d'étoiles
3,211
Moyenne d'Étoiles/Dépôt
1
haotian-liu/LLaVA

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.

haotian-liu
⭐ 24,232 Python 👤 haotian-liu User 🕐 Mis à jour 2024-08-12 📅 Créé 2023-04-17
2
datalab-to/surya

OCR, analyse de la mise en page, ordre de lecture, reconnaissance des tableaux dans plus de 90 langues

datalab-to
⭐ 21,608 Python 👤 datalab-to Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2024-01-10
3
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
4
datalab-to/chandra

Modèle OCR qui gère les tableaux complexes, les formulaires et l'écriture manuscrite avec une mise en page complète.

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2025-10-08
5
CVHub520/X-AnyLabeling

X-AnyLabeling : une application de bureau multiplateforme, légère, efficace et unifiée pour annoter du texte, des images, des vidéos, des nuages de points et des données multimodales. Elle associe des outils intégrés polyvalents à des modèles d’IA de pointe et permet une exportation flexible dans plusieurs formats.

CVHub520
⭐ 11,004 Python 👤 CVHub520 User 🕐 Mis à jour 2026-11-18 📅 Créé 2023-05-23
6
m87-labs/moondream

petit modèle linguistique de vision

m87-labs
⭐ 10,167 Python 👤 m87-labs Organization 🕐 Mis à jour 2026-04-20 📅 Créé 2023-12-29
7
OpenGVLab/InternVL

[CVPR 2024 Oral] InternVL Family : Une alternative open-source pionnière à GPT-4o. Un modèle de dialogue multimodal open-source aux performances proches de GPT-4o.

OpenGVLab
⭐ 10,160 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2025-09-22 📅 Créé 2023-11-22
8
studio-dots-ai/dots.ocr

Analyse de la mise en page de documents multilingues dans un modèle unique Vision-Language

studio-dots-ai
⭐ 9,236 Python 👤 studio-dots-ai Organization 🕐 Mis à jour 2026-03-24 📅 Créé 2025-07-30
9
jingyaogong/minimind-v

👀 Entraînez un VLM de 65 millions de paramètres à partir de zéro en seulement 2 heures !

jingyaogong
⭐ 8,868 Python 👤 jingyaogong User 🕐 Mis à jour 2026-10-27 📅 Créé 2024-09-11
10
Ucas-HaoranWei/GOT-OCR2.0

Implémentation officielle du code de la théorie générale de l'OCR : vers l'OCR-2.0 via un modèle unifié de bout en bout

Ucas-HaoranWei
⭐ 8,133 Python 👤 Ucas-HaoranWei User 🕐 Mis à jour 2025-02-10 📅 Créé 2024-09-02
11
QwenLM/Qwen-VL

Le dépôt officiel de Qwen-VL (通义千问-VL) chat & grand modèle linguistique visuel pré-entraîné proposé par Alibaba Cloud.

QwenLM
⭐ 6,453 Python 👤 QwenLM Organization 🕐 Mis à jour 2024-08-07 📅 Créé 2023-08-21
12
ByteDance-Seed/Bagel

Modèle multimodal unifié open-source

ByteDance-Seed
⭐ 6,223 Python 👤 ByteDance-Seed Organization 🕐 Mis à jour 2026-05-04 📅 Créé 2025-04-17
13
Neywa-Labs/mlx-vlm

MLX-VLM est un package pour l'inférence et le fine-tuning des modèles de vision et de langage (VLM) sur votre Mac à l'aide de MLX.

Neywa-Labs
⭐ 5,886 Python 👤 Neywa-Labs Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-04-16
14
volcengine/MineContext

MineContext est votre partenaire IA proactif et conscient du contexte (Context-Engineering+ChatGPT Pulse)

volcengine
⭐ 5,553 Python 👤 volcengine Organization 🕐 Mis à jour 2026-05-07 📅 Créé 2025-06-24
15
deepseek-ai/DeepSeek-VL2

DeepSeek-VL2 : Modèles Vision-Langage Mixture-of-Experts pour une Compréhension Multimodale Avancée

deepseek-ai
⭐ 5,297 Python 👤 deepseek-ai Organization 🕐 Mis à jour 2025-02-26 📅 Créé 2024-12-13
16
PKU-Alignment/align-anything

Align Anything : entraînement d'un modèle tout modalité avec feedback

PKU-Alignment
⭐ 4,669 Python 👤 PKU-Alignment Organization 🕐 Mis à jour 2025-11-27 📅 Créé 2024-07-14
17
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
18
QwenLM/Qwen3.8

Qwen3.8 est une série de grands modèles de langage développée par l’équipe Qwen du groupe Alibaba.

QwenLM
⭐ 4,459 👤 QwenLM Organization 🕐 Mis à jour 2026-08-17 📅 Créé 2025-09-11
19
deepseek-ai/DeepSeek-VL

DeepSeek-VL : Vers une compréhension visuelle et linguistique du monde réel

deepseek-ai
⭐ 4,037 Python 👤 deepseek-ai Organization 🕐 Mis à jour 2024-04-24 📅 Créé 2024-03-07
20
MiniMax-AI/MiniMax-01

Le dépôt officiel de MiniMax-Text-01 et MiniMax-VL-01, modèle linguistique de grande taille et modèle vision-langage basé sur l'attention linéaire

MiniMax-AI
⭐ 3,445 Python 👤 MiniMax-AI Organization 🕐 Mis à jour 2025-07-07 📅 Créé 2025-01-14
21
off-grid-ai/OGAM

Le couteau suisse de l'IA hors ligne. Discutez, voyez, parlez et générez des images sur votre téléphone ou Mac — LLM GGUF, vision, transcription vocale Whisper, Stable Diffusion, appels d'outils et serveurs réseau locaux. Fonctionne sur votre CPU, GPU ou NPU. Aucun compte, aucune clé API, aucune donnée ne quitte votre appareil.

off-grid-ai
⭐ 3,406 TypeScript 👤 off-grid-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-01-29
22
dvlab-research/MGM

Référentiel officiel pour "Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models"

JIA-Lab-research
⭐ 3,330 Python 👤 JIA-Lab-research Organization 🕐 Mis à jour 2024-05-04 📅 Créé 2024-03-26
23
jingyi0000/VLM_survey

Collection de modèles impressionnants de vision-langage pour les tâches de vision

jingyi0000
⭐ 3,132 👤 jingyi0000 User 🕐 Mis à jour 2026-11-16 📅 Créé 2023-03-30
24
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive : Un système multimodal complet pour les interactions audio et vidéo en streaming à long terme

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 Mis à jour 2025-05-26 📅 Créé 2023-09-26
25
illuin-tech/colpali

Le code utilisé pour entraîner et exécuter des inférences avec les modèles ColVision, par exemple ColPali, ColQwen2 et ColSmol.

illuin-tech
⭐ 2,859 Python 👤 illuin-tech Organization 🕐 Mis à jour 2026-09-21 📅 Créé 2024-06-20
26
BAAI-Agents/Cradle

Le framework Cradle est une première tentative de contrôle informatique général (GCC). Cradle aide les agents à exceller dans n'importe quelle tâche informatique en permettant de fortes capacités de raisonnement, d'auto-amélioration et de curation de compétences, dans un environnement général standardisé avec des exigences minimales.

BAAI-Agents
⭐ 2,394 Python 👤 BAAI-Agents Organization 🕐 Mis à jour 2024-11-07 📅 Créé 2024-03-03
27
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
28
2U1/Qwen-VL-Series-Finetune

Une implémentation open-source pour le réglage fin de la série Qwen-VL d'Alibaba Cloud.

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 Mis à jour 2026-09-09 📅 Créé 2024-09-10
29
showlab/ShowUI

[CVPR 2025] Modèle open-source, de bout en bout, Vision-Langage-Action pour agent GUI et utilisation de l'ordinateur.

showlab
⭐ 1,932 Python 👤 showlab Organization 🕐 Mis à jour 2026-04-24 📅 Créé 2024-10-31
30
Thinklab-SJTU/Awesome-LLM4AD

Une liste sélectionnée de ressources incroyables LLM/VLM/VLA/World Model pour la conduite autonome (LLM4AD) (mise à jour continue)

Thinklab-SJTU
⭐ 1,907 👤 Thinklab-SJTU Organization 🕐 Mis à jour 2026-10-15 📅 Créé 2023-10-06
31
AlibabaResearch/AdvancedLiterateMachinery

Une collection d'idées et d'algorithmes originaux et innovants pour des machines littéraires avancées. Ce projet est maintenu par l'équipe OCR du Language Technology Lab, Tongyi Lab, Alibaba Group.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Mis à jour 2026-03-17 📅 Créé 2022-09-28
⭐ 1,795 Python 👤 microsoft Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2026-06-15
33
ZJU4HealthCare/HealthGPT

【ICML 2025 Spotlight】 Dépôt officiel du papier « HealthGPT : Un grand modèle linguistique visuel médical pour unifier la compréhension et la génération via l'adaptation de connaissances hétérogènes »

ZJU4HealthCare
⭐ 1,673 Python 👤 ZJU4HealthCare Organization 🕐 Mis à jour 2026-07-31 📅 Créé 2025-02-17
34
waybarrios/vllm-mlx

Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. MLX natif, traitement par lots continu, modèles multimodaux, appels d'outils MCP et prise en charge de Claude Code.

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 Mis à jour 2026-11-07 📅 Créé 2025-12-06
35
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
36
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
37
emcf/thepipe

Obtenez des données propres à partir de documents complexes, alimentés par des modèles de vision-langage ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 Mis à jour 2026-09-28 📅 Créé 2024-03-22
38
NVlabs/describe-anything

[ICCV 2025] Implémentation pour Describe Anything : Sous-titrage détaillé et localisé d'images et de vidéos

NVlabs
⭐ 1,497 Python 👤 NVlabs Organization 🕐 Mis à jour 2025-06-26 📅 Créé 2025-04-04
39
ARahim3/mlx-tune

Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 Mis à jour 2026-06-23 📅 Créé 2026-01-03
40
llm-jp/awesome-japanese-llm

Résumé des LLM japonais - Aperçu des LLM japonais

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 Mis à jour 2026-11-09 📅 Créé 2023-07-09
42
Meituan-AutoML/MobileVLM

Assistant Langage Vision Fort et Ouvert pour Appareils Mobiles

Meituan-AutoML
⭐ 1,317 Python 👤 Meituan-AutoML Organization 🕐 Mis à jour 2024-04-15 📅 Créé 2023-12-29
43
NVlabs/prismer

La mise en œuvre de "Prismer: un modèle Vision-Language avec des experts multitâches".

NVlabs
⭐ 1,308 Python 👤 NVlabs Organization 🕐 Mis à jour 2024-01-17 📅 Créé 2023-03-02
44
Anionex/agent-vision-toolkit

Concevez une meilleure boîte à outils et des compétences visuelles pour que les modèles de texte uniquement « voient » des images, prenant en charge la compréhension multi-images, les questions-réponses sur images, la restauration d'interface front-end, l'automatisation de l'interface graphique, etc., avec une intégration transparente facultative avec plusieurs agents principaux, et la reconnaissance directe des images collées | Une boîte à outils et des compétences visuelles conçues pour les LLM de texte uniquement : questions-réponses sur images, OCR de captures d'écran longues, restauration d'interface front-end et automatisation de l'interface graphique, avec intégration transparente facultative pour Codex, Claude Code, Pi, Oh My Pi et OpenCode

Anionex
⭐ 1,267 Python 👤 Anionex User 🕐 Mis à jour 2026-10-13 📅 Créé 2026-08-01
45
EvolvingLMMs-Lab/LLaVA-OneVision-2.5

Cadre entièrement ouvert pour la formation multimodale démocratisée

EvolvingLMMs-Lab
⭐ 1,245 Python 👤 EvolvingLMMs-Lab Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2025-09-16
46
MoonshotAI/Kimi-VL

Kimi-VL : Modèle Vision-Langage Mixture-of-Experts pour le Raisonnement Multimodal, la Compréhension du Long Contexte et de Fortes Capacités d'Agent

MoonshotAI
⭐ 1,203 👤 MoonshotAI Organization 🕐 Mis à jour 2025-07-15 📅 Créé 2025-04-09
47
SkalskiP/vlms-zero-to-hero

Cette série vous emmènera dans un voyage des bases du NLP et de la vision par ordinateur jusqu'à la pointe des modèles Vision-Langage.

SkalskiP
⭐ 1,172 Jupyter Notebook 👤 SkalskiP User 🕐 Mis à jour 2025-01-23 📅 Créé 2024-12-20
48
ZJUI-AI4H/Hulu-Med

Un modèle généraliste transparent pour une compréhension holistique vision-langage médicale

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 Mis à jour 2026-08-30 📅 Créé 2025-10-08
49
OpenBMB/VisRAG

RAG sans analyse syntaxique pris en charge par les VLM

OpenBMB
⭐ 991 Python 👤 OpenBMB Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2024-10-14
50
mbzuai-oryx/groundingLMM

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), le premier modèle de son genre capable de générer des réponses en langage naturel parfaitement intégrées à des masques de segmentation d'objets.

mbzuai-oryx
⭐ 969 Python 👤 mbzuai-oryx Organization 🕐 Mis à jour 2026-09-05 📅 Créé 2023-11-02

Foire aux questions

1

Quel est le dépôt #vision-language-model le plus populaire sur GitHub ?

Le projet #vision-language-model open source le mieux classé sur GitHub est haotian-liu/LLaVA, avec 24,232 étoiles. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #vision-language-model ?

Parmi les projets #vision-language-model les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, C++.

3

Comment le classement des dépôts #vision-language-model est-il calculé ?

Nous suivons 82 dépôts open source actifs associés à #vision-language-model (500+ étoiles), totalisant 263,383 étoiles, avec une moyenne de 3,211 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.