Git Stars Git Stars

#vision-language-model Dépôts

82
Total des Dépôts
263,383
Nombre total d'étoiles
3,211
Moyenne d'Étoiles/Dépôt
51
Anionex/dsh-vision-toolkit

[dsh] Une boîte à outils visuelle plus puissante conçue pour les modèles texte uniquement : installation et utilisation en une seule ligne, reconnaissance directe des images par collage, questions-réponses sur plusieurs images, restauration de l’interface frontend à partir de captures d’écran, et bien plus encore|Intégration native de DeepSeek Harness pour agent-vision-toolkit : questions-réponses sur les images, OCR de longues captures d’écran, restauration de l’UI, grounding, comparaison pixel par pixel, Artifacts et Web UI.

Anionex
⭐ 949 TypeScript 👤 Anionex User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-08-13
52
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
53
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
54
facebookresearch/ShapeR

Code pour l'article de recherche ShapeR

facebookresearch
⭐ 904 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-04-30 📅 Créé 2026-01-14
55
SkalskiP/top-cvpr-2025-papers

À propos Ce dépôt est une collection organisée des articles les plus passionnants et influents de la CVPR 2025. 🔥 [Paper + Code + Demo]

SkalskiP
⭐ 899 Python 👤 SkalskiP User 🕐 Mis à jour 2026-04-15 📅 Créé 2025-05-31
56
xlang-ai/OpenCUA

[NeurIPS 2025 Spotlight] OpenCUA : Fondations ouvertes pour les agents d'utilisation d'ordinateur

xlang-ai
⭐ 877 Python 👤 xlang-ai Organization 🕐 Mis à jour 2026-05-25 📅 Créé 2025-06-21
57
SunzeY/AlphaCLIP

[CVPR 2024] Alpha-CLIP : un modèle CLIP centré sur l'endroit de votre choix

SunzeY
⭐ 876 Jupyter Notebook 👤 SunzeY User 🕐 Mis à jour 2025-07-20 📅 Créé 2023-11-27
59
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
60
mlfoundations/MINT-1T

🍃 MINT-1T : Un ensemble de données multimodal entrelacé d'un billion de jetons.

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 Mis à jour 2024-07-31 📅 Créé 2024-06-16
61
zubair-irshad/Awesome-Robotics-3D

Une liste organisée d'articles sur la vision 3D relatifs au domaine de la robotique à l'ère des grands modèles, c'est-à-dire les LLM/VLM, inspirée par awesome-computer-vision, y compris des articles, des codes et des sites Web connexes

zubair-irshad
⭐ 824 👤 zubair-irshad User 🕐 Mis à jour 2025-12-17 📅 Créé 2024-08-12
62
huangwl18/VoxPoser

VoxPoser : Cartes de Valeur 3D Componibles pour la Manipulation Robotique avec des Modèles Linguistiques

huangwl18
⭐ 806 Python 👤 huangwl18 User 🕐 Mis à jour 2025-02-20 📅 Créé 2023-11-02
63
zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP

Une liste organisée d'excellentes méthodes d'apprentissage des invites/adaptateurs pour les modèles vision-langage comme CLIP.

zhengli97
⭐ 802 👤 zhengli97 User 🕐 Mis à jour 2026-07-17 📅 Créé 2024-03-15
64
2toinf/X-VLA

[ICLR 2026] La mise en œuvre officielle de "Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model"

2toinf
⭐ 762 C++ 👤 2toinf User 🕐 Mis à jour 2026-10-20 📅 Créé 2025-09-25
65
magicrew/doc7

Transformez des documents en Markdown prêt pour l'IA grâce à la compréhension visuelle

magicrew
⭐ 719 Go 👤 magicrew Organization 🕐 Mis à jour 2026-08-07 📅 Créé 2026-08-02
66
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
67
wanshuiyin/ARIS-in-AI-Offer

Fiches de préparation bilingues (chinois + anglais) aux entretiens de ML / LLM / diffusion / agents pour le recrutement d’automne en IA — générées par ARIS /interview-cheatsheet, puis rendues par /render-html en fichiers HTML autonomes lisibles partout — ainsi qu’un générateur de pages d’accueil académiques vérifié par recoupement CV→DBLP et des articles longs rédigés par l’auteur 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 Mis à jour 2026-11-18 📅 Créé 2026-05-19
⭐ 650 👤 XiaomiMiMo Organization 🕐 Mis à jour 2026-10-29 📅 Créé 2025-05-29
70
NJU-3DV/SpatialVID

[CVPR 2026] SpatialVID : Un grand ensemble de données vidéo avec annotations spatiales

NJU-3DV
⭐ 614 Python 👤 NJU-3DV Organization 🕐 Mis à jour 2026-04-22 📅 Créé 2025-09-10
71
LAMDA-CL/LAMDA-PILOT

🎉 PILOT : Une boîte à outils pour l'apprentissage continu basée sur des modèles pré-entraînés

LAMDA-CL
⭐ 614 Python 👤 LAMDA-CL Organization 🕐 Mis à jour 2026-01-29 📅 Créé 2023-08-30
72
linzhiqiu/t2v_metrics

Évaluation des modèles texte-vers-image/vidéo/3D avec VQAScore

linzhiqiu
⭐ 607 Python 👤 linzhiqiu User 🕐 Mis à jour 2026-06-05 📅 Créé 2023-12-16
73
IuvenisSapiens/ComfyUI_Qwen3-VL-Instruct

L'intégration réussie de la série Qwen3-VL-Instruct dans la plateforme ComfyUI a permis une opération fluide, prenant en charge (mais sans s'y limiter) des requêtes basées sur le texte, des requêtes vidéo, des requêtes d'une seule image et des requêtes multi-images pour générer des légendes ou des réponses.

IuvenisSapiens
⭐ 587 Python 👤 IuvenisSapiens User 🕐 Mis à jour 2025-10-23 📅 Créé 2024-08-31
74
FoundationVision/Groma

[ECCV2024] Grand modèle linguistique multimodal fondé avec tokenisation visuelle localisée

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 Mis à jour 2024-06-07 📅 Créé 2024-04-21
75
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
76
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
77
Flame-Code-VLM/Flame-Code-VLM

Flame est un système d'IA multimodal open-source conçu pour traduire des maquettes de conception d'interface utilisateur en code React de haute qualité. Il exploite la modélisation vision-langage, la synthèse de données automatisée et les flux de travail d'entraînement structurés pour combler le fossé entre la conception et le développement front-end.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 Mis à jour 2026-02-11 📅 Créé 2025-02-10
78
OpenGVLab/Multi-Modality-Arena

Chatbot Arena rencontre la multimodalité ! Multi-Modality Arena vous permet d'évaluer côte à côte des modèles de vision-langage tout en fournissant des images en entrée. Prend en charge MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2, et bien d'autres !

OpenGVLab
⭐ 553 Python 👤 OpenGVLab Organization 🕐 Mis à jour 2024-04-21 📅 Créé 2023-05-10
79
Mengqi-Lei/count-anything

Code et directives de mise en œuvre pour l'article ✨Counting Anything. Page du projet : https://mengqi-lei.github.io/count-anything-projectpage/

Mengqi-Lei
⭐ 545 Python 👤 Mengqi-Lei User 🕐 Mis à jour 2026-08-12 📅 Créé 2026-05-18
80
vulab-AI/Awesome-Spatial-VLMs

[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 ;

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 Mis à jour 2026-07-30 📅 Créé 2025-07-10
81
mll-lab-nu/VAGEN

Apprentissage par renforcement avec modèle du monde pour les agents VLM multi-tours. Cadre d’apprentissage par renforcement pour la vision (NeurIPS 2025).

mll-lab-nu
⭐ 525 Python 👤 mll-lab-nu Organization 🕐 Mis à jour 2026-10-29 📅 Créé 2025-03-04
82
Jiaaqiliu/Awesome-VLA-Robotics

Une liste complète d’excellents articles de recherche, de modèles, de jeux de données et d’autres ressources sur les modèles Vision‑Language‑Action (VLA) en robotique.

Jiaaqiliu
⭐ 505 👤 Jiaaqiliu User 🕐 Mis à jour 2026-10-19 📅 Créé 2025-04-21