Git Stars Git Stars

#vision-language-models Dépôts

Découvrez 86 dépôts GitHub open source actifs associés à #vision-language-models, cumulant 198,329 étoiles au total (soit une moyenne de 2,306 étoiles par projet). Le projet en tête de ce thème est Vision-CAIR/MiniGPT-4, avec 25,770 étoiles.

86
Total des Dépôts
198,329
Nombre total d'étoiles
2,306
Moyenne d'Étoiles/Dépôt
1
Vision-CAIR/MiniGPT-4

Codes open-source pour MiniGPT-4 et MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)

Vision-CAIR
⭐ 25,770 Python 👤 Vision-CAIR Organization 🕐 Mis à jour 2024-09-02 📅 Créé 2023-04-15
2
deepseek-ai/DeepSeek-OCR

Contextes de compression optique

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 Mis à jour 2026-01-27 📅 Créé 2025-10-17
3
allenai/olmocr

Toolkit pour la linéarisation des PDF pour les jeux de données/l'entraînement LLM

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 Mis à jour 2026-03-25 📅 Créé 2024-09-17
4
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - Un Modèle Fondamental pour les Robots Généralistes.

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2025-03-11
5
apple-aiml-research/ml-fastvlm

Ce dépôt contient l'implémentation officielle de "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025

apple-aiml-research
⭐ 7,445 Python 👤 apple-aiml-research Organization 🕐 Mis à jour 2026-09-11 📅 Créé 2025-05-01
6
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
7
google/gemma.cpp

moteur d'inférence C++ léger et autonome pour les modèles Gemma de Google.

google
⭐ 7,089 C++ 👤 google Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-02-13
8
huggingface/nanoVLM

Le dépôt le plus simple et le plus rapide pour l'entraînement/le réglage fin de VLM de petite taille.

huggingface
⭐ 5,063 Python 👤 huggingface Organization 🕐 Mis à jour 2025-10-27 📅 Créé 2025-05-02
9
lumina-ai-inc/chunkr

Infrastructure de vision pour transformer des documents complexes en données prêtes pour les LLM

lumina-ai-inc
⭐ 4,154 Rust 👤 lumina-ai-inc Organization 🕐 Mis à jour 2026-09-09 📅 Créé 2024-08-24
10
StarsfieldAI/R1-V

Découvrez le moment "aha" de VLM pour moins de 3 $

StarsfieldAI
⭐ 4,058 Python 👤 StarsfieldAI Organization 🕐 Mis à jour 2025-05-19 📅 Créé 2025-02-02
11
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
12
jonyzhang2023/awesome-embodied-vla-va-vln

Une liste organisée de recherches de pointe en IA incarnée, axée sur les modèles vision-langage-action (VLA), la navigation vision-langage (VLN) et les approches d'apprentissage multimodal apparentées.

jonyzhang2023
⭐ 3,634 👤 jonyzhang2023 User 🕐 Mis à jour 2026-09-15 📅 Créé 2025-01-16
13
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVG est la première famille de générateurs SVG multimodaux de bout en bout qui s'appuient sur des modèles Vision-Language (VLM) pré-entraînés, capables de générer des SVG complexes et détaillés, allant d'icônes simples à des personnages d'anime complexes.

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 Mis à jour 2026-03-01 📅 Créé 2025-04-07
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
16
opendatalab/OmniDocBench

[CVPR 2025] Un benchmark complet pour l'analyse et l'évaluation de documents

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 Mis à jour 2026-11-12 📅 Créé 2024-10-14
17
PKU-YuanGroup/LLaVA-CoT

[ICCV 2025] LLaVA-CoT, un modèle linguistique visuel capable de raisonnement spontané et systématique

PKU-YuanGroup
⭐ 2,129 Python 👤 PKU-YuanGroup Organization 🕐 Mis à jour 2025-12-12 📅 Créé 2024-11-17
18
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5 : Rendre les VLM OCR légers plus rapides et meilleurs

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Mis à jour 2026-09-24 📅 Créé 2025-11-18
19
chn-lee-yumi/MaterialSearch

Recherche sémantique. Recherchez des photos et vidéos locales grâce au langage naturel. Recherche sémantique par IA de matériel local. Recherche par image, trouver des matériaux locaux, faire correspondre des scènes par des descriptions textuelles, recherche d'images vidéo, recherche de vidéos par descriptions de scènes.

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 Mis à jour 2026-09-21 📅 Créé 2023-03-16
21
gpt-omni/mini-omni2

Vers GPT-4o open-source avec des capacités Vision, Speech et Duplex.

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 Mis à jour 2025-01-16 📅 Créé 2024-10-14
22
facebookresearch/MetaCLIP

NeurIPS 2025 Spotlight ; ICLR2024 Spotlight ; CVPR 2024 ; EMNLP 2024

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-08-11 📅 Créé 2023-09-28
23
kijai/ComfyUI-Florence2

Inférence Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 Mis à jour 2026-05-06 📅 Créé 2024-06-19
24
baaivision/Emu3.5

Les modèles multimodaux natifs sont des apprenants du monde

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 Mis à jour 2025-12-30 📅 Créé 2025-10-29
25
tjmlabs/ColiVara

Colivara est une suite de services qui vous permet de stocker, rechercher et récupérer des documents en fonction de leur intégration visuelle. ColiVara offre des performances de récupération à la pointe de la technologie sur les documents textuels et visuels. en utilisant des modèles de vision au lieu du chunking et du traitement de texte pour les documents. Pas d'OCR, pas d'extraction de texte, pas de tableaux brisés ou d'images manquantes.

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 Mis à jour 2026-07-08 📅 Créé 2024-09-21
27
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
28
rmokady/CLIP_prefix_caption

Modèle de légende d'image simple

rmokady
⭐ 1,407 Jupyter Notebook 👤 rmokady User 🕐 Mis à jour 2024-06-09 📅 Créé 2021-09-16
29
SakanaAI/evolutionary-model-merge

Dépôt officiel de l'optimisation évolutive des recettes de fusion de modèles

SakanaAI
⭐ 1,394 Python 👤 SakanaAI Organization 🕐 Mis à jour 2024-11-29 📅 Créé 2024-03-05
30
gokayfem/awesome-vlm-architectures

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.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Mis à jour 2026-10-27 📅 Créé 2024-02-15
31
Computer-Vision-in-the-Wild/CVinW_Readings

Une collection d'articles sur le thème ``Computer Vision in the Wild (CVinW)''

Computer-Vision-in-the-Wild
⭐ 1,349 👤 Computer-Vision-in-the-Wild Organization 🕐 Mis à jour 2024-03-14 📅 Créé 2022-09-28
32
X-Square-Robot/wall-x

Construction de robots polyvalents basés sur un modèle fondamental incarné

X-Square-Robot
⭐ 1,337 Python 👤 X-Square-Robot Organization 🕐 Mis à jour 2026-09-18 📅 Créé 2025-09-04
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 Mis à jour 2025-11-20 📅 Créé 2025-03-15
35
aiming-lab/Agent0

[ICML'26 & COLM'26] Série Agent0 : Agents auto-évolutifs à partir de zéro donnée

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 Mis à jour 2026-07-10 📅 Créé 2025-10-20
37
reacher-z/Awesome-CUA

Catalogue ouvert et étayé par des sources d’agents d’utilisation de l’ordinateur : articles évalués, modèles d’interface graphique, jeux de données, benchmarks, outils et données réutilisables au format JSONL/SQLite.

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-10-16
38
nvidia-cosmos/cosmos-reason1

Les modèles Cosmos-Reason1 comprennent le bon sens physique et génèrent des décisions incarnées appropriées en langage naturel grâce à de longs processus de raisonnement en chaîne de pensée.

nvidia-cosmos
⭐ 965 Python 👤 nvidia-cosmos Organization 🕐 Mis à jour 2026-06-07 📅 Créé 2025-03-02
39
huangwl18/ReKep

ReKep : Raisonnement spatio-temporel des contraintes de points clés relationnels pour la manipulation robotique

huangwl18
⭐ 950 Python 👤 huangwl18 User 🕐 Mis à jour 2025-02-20 📅 Créé 2024-08-29
40
mst272/LLM-Dojo

Framework léger de post-entraînement pour LLM, prend en charge SFT, RLVR, On-Policy KD, Guide KD et entraînement mixte ; implémente distillation Guide mono/multi-tour, distillation multi-enseignant, entraînement mixte Reward et partitionnement de données automatisé👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 Mis à jour 2026-03-08 📅 Créé 2024-01-23
41
Qinying-Liu/Awesome-Open-Vocabulary-Semantic-Segmentation

Une liste organisée de publications sur la segmentation sémantique à vocabulaire ouvert et les domaines connexes (par exemple, la segmentation sémantique zero-shot) ressources..

Qinying-Liu
⭐ 910 👤 Qinying-Liu User 🕐 Mis à jour 2026-05-20 📅 Créé 2023-09-28
42
TRI-ML/prismatic-vlms

Une base de code flexible et efficace pour l'entraînement de modèles linguistiques conditionnés visuellement (VLM)

TRI-ML
⭐ 894 Python 👤 TRI-ML Organization 🕐 Mis à jour 2024-07-04 📅 Créé 2024-02-13
43
LYL1015/JarvisArt

[NeurIPS' 2025] JarvisArt : Libérer la créativité artistique humaine via un agent intelligent de retouche photo

LYL1015
⭐ 880 Python 👤 LYL1015 User 🕐 Mis à jour 2026-04-04 📅 Créé 2025-06-24
44
beichenzbc/Long-CLIP

[ECCV 2024] code officiel pour "Long-CLIP : Débloquer la capacité de texte long de CLIP"

beichenzbc
⭐ 879 Python 👤 beichenzbc User 🕐 Mis à jour 2024-08-13 📅 Créé 2024-03-20
45
InternLM/Intern-S1

Un modèle fondamental scientifique multimodal

InternLM
⭐ 876 👤 InternLM Organization 🕐 Mis à jour 2026-09-13 📅 Créé 2025-07-25
46
RiseInRose/MiniGPT-4-ZH

MiniGPT-4 Déploiement chinois Traduction Affiner les détails de déploiement

RiseInRose
⭐ 859 Python 👤 RiseInRose User 🕐 Mis à jour 2026-05-09 📅 Créé 2023-04-19
48
allenai/molmo

Code pour le modèle Molmo Vision-Language

allenai
⭐ 851 Python 👤 allenai Organization 🕐 Mis à jour 2024-12-12 📅 Créé 2024-12-05
49
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
50
showlab/Awesome-Unified-Multimodal-Models

📖 Ceci est un dépôt pour organiser des articles, du code et d'autres ressources liés aux modèles multimodaux unifiés.

showlab
⭐ 834 👤 showlab Organization 🕐 Mis à jour 2025-10-10 📅 Créé 2024-08-27

Foire aux questions

1

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

Le projet #vision-language-models open source le mieux classé sur GitHub est Vision-CAIR/MiniGPT-4, avec 25,770 étoiles. Codes open-source pour MiniGPT-4 et MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)

2

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

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

3

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

Nous suivons 86 dépôts open source actifs associés à #vision-language-models (500+ étoiles), totalisant 198,329 étoiles, avec une moyenne de 2,306 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.