#vlm Dépôts
Découvrez 89 dépôts GitHub open source actifs associés à #vlm, cumulant 457,898 étoiles au total (soit une moyenne de 5,144 étoiles par projet). Le projet en tête de ce thème est huggingface/transformers, avec 169,339 étoiles.
89 dépôts au total
🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et modèles multimodaux, à la fois pour l'inférence et l'entraînement.
La Pile d'Agents IA Multimodaux Open-Source : Connexion de Modèles d'IA de Pointe et d'Infrastructure d'Agents
SGLang est un framework de service haute performance pour les grands modèles linguistiques et les modèles multimodaux.
Procédez à la rétro-ingénierie de n’importe quelle vidéo, plan par plan : découvrez si elle a été filmée, générée par IA ou créée par code, et comment la reproduire. Décompositions au format ouvert VIDEO.md.
https://arxiv.org/abs/2606.28344. La fin du parsing web. Le début de la recherche native par pixels évolutive. lien : https://pixelrag.ai/
Boîte à outils prête pour la production pour exécuter l'IA localement
Une collection de tutoriels sur les modèles et techniques de vision par ordinateur à la pointe de la technologie. Explorez tout, des architectures fondamentales comme ResNet aux modèles de pointe comme RF-DETR, YOLO11, SAM 3 et Qwen3-VL.
Livres, articles, vidéos et boîtes à outils liés à la détection d'anomalies. Dernière mise à jour fin 2025 pour les travaux sur les LLM et les VLM !
Affinez facilement (SFT/RL), évaluez et déployez Qwen, Gemma ou tout LLM/VLM agentique open source !
Exécutez localement des LLM et VLM de pointe sur les appareils Qualcomm via NPU, GPU et CPU avec quelques lignes de code
Le dépôt officiel pour ERNIE 4.5 et ERNIEKit – son kit de développement de qualité industrielle basé sur PaddlePaddle.
Un framework MCP low-code pour construire des pipelines RAG complexes et innovants
🌟100+ diagrammes originaux LLM / RL 📚, par l'auteur de "Large Model Algorithms" ! 💥 (Plus de 100 cartes d'algorithmes LLM/RL)
StarVector est un modèle fondamental pour la génération de SVG qui transforme la vectorisation en une tâche de génération de code. Utilisant une architecture de modélisation vision-langage, StarVector traite les entrées visuelles et textuelles pour produire du code SVG de haute qualité avec une précision remarquable.
Boîte à outils d'évaluation multimodale One-for-All pour les tâches textuelles, d'images, de vidéos et audio
[CVPR 2026] PromptEnhancer est un outil de réécriture de prompts qui affine les prompts en versions plus claires et structurées pour une meilleure génération d'images.
Un framework rationalisé et personnalisable pour l'évaluation efficace et le benchmarking des performances des grands modèles (LLM, VLM, AIGC).
[MLSys 2024 Best Paper Award] AWQ : Quantification des poids sensible à l'activation pour la compression et l'accélération des LLM
Un modèle open source d’analyse de documents, offrant une précision et une vitesse de pointe grâce à une boucle RSI utilisée lors du post-entraînement.
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
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Skywork-R1V est une série avancée de modèles d'IA multimodaux développée par Skywork AI, spécialisée dans le raisonnement vision-langage.
Plateforme de compétences de caméras IA open‑source, NVR IA et surveillance CCTV. Analyse vidéo VLM locale avec Qwen, DeepSeek, SmolVLM, LLaVA, YOLO26. Agent de caméra de sécurité alimenté par LLM — surveille, comprend, se souvient et protège votre domicile via Telegram, Discord ou Slack. Compétences IA modulables. OpenAI, Google, Anthropic ou IA locale. Fonctionne sur Mac Mini et PC IA.
Un outil de gestion de fichiers alimenté par l'IA qui garantit la confidentialité en organisant les textes et images locaux. Utilisant les modèles Llama3.2 3B et Llava v1.6 avec le SDK Nexa, il analyse, restructure et organise intuitivement les fichiers pour un accès rapide et transparent et une récupération facile.
[EMNLP-2024] Construire des agents de langage multimodaux pour un prototypage et une production rapides
Mise en œuvre open source et extension de PaperBanana de Google Research pour la génération automatisée de figures, diagrammes et visuels de recherche académiques, étendue à de nouveaux domaines tels que la création de diapositives.
GLM-4.6V/4.5V/4.1V-Réflexion : Vers un raisonnement multimodal polyvalent grâce à l'apprentissage par renforcement évolutif
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.
Le framework d'agent LLM dans ComfyUI comprend les nœuds serveur MCP, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 et prompt FLUX, un accès à Feishu, discord et s'adapte à tous les LLM avec des interfaces similaires à openai / aisuite, tels que o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Adapté aux LLM locaux, VLM, gguf tels que llama-3.3 Janus-Pro, Linkage GraphRAG
Kit d'outils de relecture de protocole de bout en bout pour l'abonnement ChatGPT Plus/Team/Pro · Solveur visuel hCaptcha · Recherche empirique sur les mécanismes anti-fraude / Kit d'outils de relecture de protocole de bout en bout pour l'abonnement ChatGPT Plus/Team/Pro avec solveur hCaptcha construit de zéro et recherche empirique anti-fraude
Moteur d’IA de périphérie en C++ de niveau production pour l’analyse vidéo et les VLM sur appareil sur Sophon, Rockchip RKNN et x86, avec orchestration visuelle, OSD en temps réel, événements et benchmarks reproductibles.
Une liste de lecture sur la sécurité, la sûreté et la confidentialité des grands modèles (y compris Awesome LLM Security, Safety, etc.).
Awesome-Jailbreak-on-LLMs est une collection de méthodes de jailbreak de pointe, novatrices et passionnantes sur les LLM. Il contient des articles, des codes, des ensembles de données, des évaluations et des analyses.
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.
Une implémentation open-source pour le réglage fin de la série Qwen-VL d'Alibaba Cloud.
OpenGUI est un framework d'agent GUI Android pour l'IA sur téléphone, capable de voir, de planifier et d'utiliser de véritables applications mobiles via l'interface graphique.
Kit d'outils de compression de modèles conçu pour une meilleure convivialité, exhaustivité et efficacité.
Bibliothèque d'inférence d'IA sur l'appareil pour React Native, haute performance et axée sur la confidentialité, propulsée par le runtime ExecuTorch de PyTorch
🚀🚀🚀 Une collection de projets fantastiques de séries YOLO pour la détection d'objets publics et les ensembles de données de détection d'objets associés.
Optimisation de la conception d'aéronefs accélérée par des transformations de graphes de calcul (par ex., différentiation automatique). Outils d'analyse composables pour l'aérodynamique, la propulsion, les structures, la conception de trajectoire et bien plus.
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.
JoyCaption est un modèle linguistique visuel (VLM) de légende d'image, développé à partir de zéro comme un modèle gratuit, ouvert et non censuré destiné à la communauté pour l'entraînement des modèles de diffusion.
Plateforme ouverte d'InternRobotics pour la construction de modèles fondamentaux de navigation généralisés.
Implémentation officielle de Gamer : un modèle de fondation généraliste vision-langage-action pour des agents de jeu vidéo en temps réel à long horizon
La collection la plus complète, mise à jour en continu et la plus populaire de plus de 100 compétences de distillation de personnalités sur le web | Systèmes multi-agents | Toutes les catégories : célébrités/réalisateurs/légendes en ligne/textes anciens/anime/milieu professionnel/émotions
Foire aux questions
Quel est le dépôt #vlm le plus populaire sur GitHub ?
Le projet #vlm open source le mieux classé sur GitHub est huggingface/transformers, avec 169,339 étoiles. 🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et modèles multimodaux, à la fois pour l'inférence et l'entraînement.
Quels langages de programmation sont les plus utilisés dans les dépôts #vlm ?
Parmi les projets #vlm les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Go.
Comment le classement des dépôts #vlm est-il calculé ?
Nous suivons 89 dépôts open source actifs associés à #vlm (500+ étoiles), totalisant 457,898 étoiles, avec une moyenne de 5,144 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.