Git Stars Git Stars

#vision-language-models Dépôts

86
Total des Dépôts
198,329
Nombre total d'étoiles
2,306
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook HTML
51
rai-opensource/vlfm

Le dépôt fournit le code associé à l'article VLFM : Vision-Language Frontier Maps pour la navigation sémantique zéro-shot (ICRA 2024)

rai-opensource
⭐ 834 Python 👤 rai-opensource Organization 🕐 Mis à jour 2025-11-12 📅 Créé 2023-07-04
52
taco-group/4KAgent

[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Un agent intelligent de vision par ordinateur capable de restaurer magiquement n'importe quelle image en 4K parfaite !

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 Mis à jour 2025-09-24 📅 Créé 2025-05-27
53
thu-ml/RDT2

Code officiel de RDT 2

thu-ml
⭐ 811 Python 👤 thu-ml Organization 🕐 Mis à jour 2026-02-07 📅 Créé 2025-09-19
54
mll-lab-nu/Awesome-Spatial-Intelligence-in-VLM

Une liste d'articles sur le raisonnement spatial

mll-lab-nu
⭐ 803 👤 mll-lab-nu Organization 🕐 Mis à jour 2026-08-23 📅 Créé 2025-02-07
55
microsoft/RegionCLIP

Code officiel pour "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 Mis à jour 2024-03-20 📅 Créé 2022-03-18
57
bryanswkim/Chain-of-Zoom

[NeurIPS'25 Spotlight] Dépôt officiel pour "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment"

bryanswkim
⭐ 777 Python 👤 bryanswkim User 🕐 Mis à jour 2025-09-27 📅 Créé 2025-05-26
58
ModalMinds/MM-EUREKA

MM-EUREKA : Explorer les frontières du raisonnement multimodal avec un apprentissage par renforcement basé sur des règles

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 Mis à jour 2025-09-07 📅 Créé 2025-03-07
59
zli12321/Vision-Language-Models-Overview

Une collection et enquête de pointe sur les articles de modèles vision-langage, ainsi qu’un référentiel GitHub de modèles. Mises à jour continues.

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 Mis à jour 2026-10-13 📅 Créé 2024-11-27
61
lupantech/ScienceQA

Données et code pour l'article NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".

lupantech
⭐ 715 Python 👤 lupantech User 🕐 Mis à jour 2024-09-19 📅 Créé 2022-10-17
62
kerrj/lerf

Code pour LERF : Language Embedded Radiance Fields

kerrj
⭐ 710 Python 👤 kerrj User 🕐 Mis à jour 2024-07-09 📅 Créé 2023-04-04
63
taokz/BiomedGPT

BiomedGPT: Un modèle de fondation généraliste Vision-Langage pour diverses tâches biomédicales

taokz
⭐ 707 Python 👤 taokz User 🕐 Mis à jour 2025-07-08 📅 Créé 2023-05-11
65
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
66
xiaomi-mlab/Orion

[ICCV 2025] Code officiel de "ORION : Un cadre holistique de conduite autonome de bout en bout par génération d'actions instruite par vision et langage"

xiaomi-mlab
⭐ 674 Python 👤 xiaomi-mlab User 🕐 Mis à jour 2026-06-22 📅 Créé 2025-03-11
67
RyanWangZf/MedCLIP

EMNLP'22 | MedCLIP: Apprentissage contrastif à partir d'images et de textes médicaux non appariés

RyanWangZf
⭐ 652 Python 👤 RyanWangZf User 🕐 Mis à jour 2024-04-12 📅 Créé 2022-02-19
68
run-llama/ParseBench

ParseBench - Un benchmark d'analyse de documents pour les agents IA

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-04-10
69
zqhang/AnomalyCLIP

Implémentation officielle pour AnomalyCLIP (ICLR 2024)

zqhang
⭐ 648 Python 👤 zqhang User 🕐 Mis à jour 2025-07-08 📅 Créé 2023-10-19
70
PromtEngineer/localGPT-Vision

Discutez avec vos documents à l'aide de modèles de langage visuels. Ce dépôt met en œuvre un pipeline RAG de bout en bout avec des VLM locaux et propriétaires.

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 Mis à jour 2025-07-26 📅 Créé 2024-10-01
71
xiaomi-research/recogdrive

[ICLR 2026] ReCogDrive : Un cadre cognitif renforcé pour la conduite autonome de bout en bout

xiaomi-research
⭐ 632 Python 👤 xiaomi-research Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2025-06-05
72
VectorSpaceLab/Video-XL

🔥🔥Les tout premiers modèles à l'échelle de l'heure pour la compréhension vidéo

VectorSpaceLab
⭐ 626 Python 👤 VectorSpaceLab Organization 🕐 Mis à jour 2025-07-14 📅 Créé 2024-09-20
73
Ucas-HaoranWei/Vary-toy

Implémentation officielle du code de Vary-toy (Small Language Model rencontre Reinforced Vision Vocabulary)

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 Mis à jour 2024-12-30 📅 Créé 2024-01-10
74
opendilab/awesome-multi-modal-reinforcement-learning

Une liste organisée de ressources sur l'apprentissage par renforcement multi-modal (mise à jour en continu)

opendilab
⭐ 621 👤 opendilab Organization 🕐 Mis à jour 2026-05-30 📅 Créé 2022-09-01
75
thu-coai/Glyph

Dépôt officiel pour « Glyph : Mise à l'échelle des fenêtres de contexte via la compression visuelle et textuelle »

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 Mis à jour 2025-11-04 📅 Créé 2025-10-20
76
levyflux/AViD

Framework qui permet le réglage fin des modèles d'ancrage vision-langage sur des ensembles de données personnalisés

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Mis à jour 2026-08-30 📅 Créé 2025-03-19
77
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
78
THUDM/INFTY

INFTY Engine : Une boîte à outils d'optimisation pour soutenir l'IA continue

THUDM
⭐ 578 Python 👤 THUDM Organization 🕐 Mis à jour 2026-09-01 📅 Créé 2025-09-11
81
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
82
mbzuai-oryx/XrayGPT

[BIONLP@ACL 2024] XrayGPT: Résumé des radiographies thoraciques à l'aide de modèles médicaux de vision et de langage.

mbzuai-oryx
⭐ 526 Python 👤 mbzuai-oryx Organization 🕐 Mis à jour 2024-08-08 📅 Créé 2023-05-18
83
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
84
luogen1996/LaVIN

Implémentations officielles de "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" [NeurIPS 2023]

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 Mis à jour 2024-01-27 📅 Créé 2023-05-15
86
erwinmsmith/SOMAS

Un cadre d'interaction d'apprentissage par renforcement homme-multi-agent digne de confiance

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 Mis à jour 2026-10-04 📅 Créé 2025-05-13