Git Stars Git Stars

#multimodal-large-language-models Repository

Scopri 43 repository GitHub open source attivi contrassegnati con #multimodal-large-language-models, che raccolgono un totale di 78,032 stelle (con una media di 1,814 stelle per progetto). Il progetto leader di questo argomento è BradyFU/Awesome-Multimodal-Large-Language-Models, con 18,090 stelle.

43
Totale Repository
78,032
Totale stelle
1,814
Media Stelle/Repo

43 repository in totale

1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:Ultime novità sui modelli linguistici di grandi dimensioni multimodali

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 Aggiornato 2026-10-29 📅 Creato 2023-05-19
2
X-PLUG/MobileAgent

Mobile-Agent: La potente famiglia di agenti GUI

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 Aggiornato 2026-11-03 📅 Creato 2024-01-26
3
joanrod/star-vector

StarVector è un modello di base per la generazione di SVG che trasforma la vettorizzazione in un'attività di generazione di codice. Utilizzando un'architettura di modellazione visione-linguaggio, StarVector elabora input visivi e testuali per produrre codice SVG di alta qualità con notevole precisione.

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 Aggiornato 2025-11-07 📅 Creato 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omni è un modello di interazione vocale end-to-end a bassa latenza e alta qualità basato su Llama-3.1-8B-Instruct, che mira a raggiungere capacità vocali al livello di GPT-4o.

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 Aggiornato 2025-05-19 📅 Creato 2024-09-10
5
sherlockchou86/VideoPipe

Un framework multipiattaforma per la strutturazione video (analisi video) basato su modelli CV e mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Aggiornato 2026-02-25 📅 Creato 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5: Verso l'interazione visione e parlato in tempo reale di livello GPT-4o

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 Aggiornato 2025-03-28 📅 Creato 2024-08-10
7
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl: Modello linguistico multimodale modulare di grandi dimensioni per la comprensione dei documenti

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Aggiornato 2025-05-30 📅 Creato 2023-07-04
8
cambrian-mllm/cambrian

Cambrian-1 è una famiglia di LLM multimodali con un design incentrato sulla visione.

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 Aggiornato 2025-11-07 📅 Creato 2024-06-17
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] Padroneggiare la diffusione da testo a immagine: Ricaptioning, pianificazione e generazione con LLM multimodali (RPG)

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 Aggiornato 2025-02-01 📅 Creato 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VL, un modello fondazionale vision-language progettato per migliorare la comprensione e il ragionamento multimodale di uso generale, ottenendo prestazioni all'avanguardia su 38 dei 60 benchmark pubblici.

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 Aggiornato 2025-06-14 📅 Creato 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] Questo è il primo articolo a esplorare come utilizzare efficacemente il RL simile a R1 per MLLMs e introdurre Vision‑R1, un MLLM di ragionamento che sfrutta l'inizializzazione a partenza fredda e l'addestramento RL per incentivare la capacità di ragionamento.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Aggiornato 2026-03-20 📅 Creato 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

Un fork per aggiungere l'addestramento di modelli multimodali a open-r1

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 Aggiornato 2025-02-08 📅 Creato 2025-01-27
13
ATH-MaaS/Ovis

Una nuova architettura Multimodal Large Language Model (MLLM), progettata per allineare strutturalmente gli embedding visivi e testuali.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Aggiornato 2026-07-15 📅 Creato 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

Questo repository fornisce preziosi riferimenti per i ricercatori nel campo della multimodalità, inizia il tuo viaggio esplorativo nei MLLM di ragionamento basati su RL!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 Aggiornato 2026-09-29 📅 Creato 2025-02-21
15
Henry-23/VideoChat

Umano digitale interattivo vocale in tempo reale, con aspetto e voce personalizzabili, che supporta la clonazione vocale e presenta una latenza di dialogo di soli 3 secondi.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Aggiornato 2025-12-18 📅 Creato 2024-10-18
17
NVIDIA/audio-flamingo

Implementazione PyTorch di Audio Flamingo: Serie di modelli linguistici avanzati per la comprensione dell'audio

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 Aggiornato 2025-12-15 📅 Creato 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

Note di lettura su modelli linguistici di grandi dimensioni multimodali, modelli linguistici di grandi dimensioni e modelli di diffusione

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 Aggiornato 2026-11-07 📅 Creato 2024-03-30
19
X-LANCE/SLAM-LLM

Un Framework per l'Elaborazione di Voce, Lingua, Audio e Musica con Modelli Linguistici di Grandi Dimensioni

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 Aggiornato 2026-01-15 📅 Creato 2023-10-23
20
BAAI-DCAI/Bunny

Una famiglia di modelli multimodali leggeri.

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 Aggiornato 2024-11-18 📅 Creato 2024-01-31
21
yaotingwangofficial/Awesome-MCoT

Ragionamento multimodale Chain-of-Thought: una survey completa

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 Aggiornato 2026-10-03 📅 Creato 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

Una raccolta di risorse sulle applicazioni dell'apprendimento multimodale nell'imaging medico.

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 Aggiornato 2026-10-26 📅 Creato 2022-07-13
23
daixiangzi/Awesome-Token-Compress

Un elenco di alcuni lavori recenti sulla compressione dei token per Vit e VLM

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 Aggiornato 2026-11-13 📅 Creato 2024-09-06
24
EvolvingLMMs-Lab/NEO

Serie NEO: Modelli nativi visione-linguaggio dai primi principi

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 Aggiornato 2026-11-11 📅 Creato 2025-10-16
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME: Il primo benchmark di valutazione completo in assoluto di LLM multimodali nell'analisi video

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 Aggiornato 2025-12-08 📅 Creato 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus: Grandi assistenti linguistici e visivi che si collegano e imparano a usare le abilità

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 Aggiornato 2024-02-01 📅 Creato 2023-11-07
28
vision-x-nyu/thinking-in-space

Repository ufficiale e implementazione della valutazione di VSI-Bench

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 Aggiornato 2025-08-05 📅 Creato 2024-12-14
29
deepglint/unicom

Modello di Rappresentazione Visiva su Larga Scala

deepglint
⭐ 704 Python 👤 deepglint Organization 🕐 Aggiornato 2025-12-08 📅 Creato 2023-02-15
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat: Da token densi a memoria sparsa per la comprensione di video lunghi

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Aggiornato 2025-01-29 📅 Creato 2023-06-26
31
NVlabs/OmniVinci

OmniVinci è un LLM omnimodale per la comprensione congiunta di visione, audio e linguaggio.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 Aggiornato 2026-08-31 📅 Creato 2025-09-24
32
Coobiw/MPP-LLaVA

Progetto Personale: MPP-Qwen14B & MPP-Qwen-Next (Multimodal Pipeline Parallelism basato su Qwen-LM). Supporta [video/image/multi-image] {sft/conversations}. Non lasciare che la povertà limiti la tua immaginazione! Addestra il tuo MLLM in stile LLaVA-training da 8B/14B su RTX3090/4090 24GB.

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 Aggiornato 2025-03-10 📅 Creato 2023-10-24
33
FoundationVision/Liquid

(Accettato da IJCV)Liquid: I modelli linguistici sono generatori multimodali scalabili e unificati

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 Aggiornato 2026-06-01 📅 Creato 2024-12-12
34
VITA-MLLM/Woodpecker

✨✨Woodpecker: Correzione delle allucinazioni per modelli linguistici di grandi dimensioni multimodali

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 Aggiornato 2024-12-23 📅 Creato 2023-09-26
35
lwpyh/Awesome-MLLM-Reasoning-Collection

Una raccolta di articoli, codici, set di dati, benchmark e risorse sul ragionamento multimodale.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Aggiornato 2026-04-01 📅 Creato 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] Pensa oltre le immagini

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 Aggiornato 2025-09-23 📅 Creato 2025-08-17
37
SkyworkAI/Vitron

NeurIPS 2024 Paper: Un LLM visivo unificato a livello di pixel per comprendere, generare, segmentare, modificare

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 Aggiornato 2024-10-20 📅 Creato 2024-03-18
38
ictnlp/LLaVA-Mini

LLaVA-Mini è un modello multimodale ampio e unificato (LMM) che può supportare la comprensione di immagini, immagini ad alta risoluzione e video in modo efficiente.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Aggiornato 2025-06-29 📅 Creato 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S: Verso la Supersensibilità Spaziale nei Video

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 Aggiornato 2026-04-03 📅 Creato 2025-10-13
40
AILab-CVC/SEED-X

Modelli multimodali nel mondo reale

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 Aggiornato 2025-02-24 📅 Creato 2024-03-30
41
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 Un elenco curato di articoli sulla generazione multimodale basata su LLM (image, video, 3D e audio).

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 Aggiornato 2026-11-10 📅 Creato 2023-11-17
42
worldbench/awesome-vla-for-ad

🌐 Modelli di visione, linguaggio e azione per la guida autonoma: passato, presente e futuro

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Aggiornato 2026-11-14 📅 Creato 2025-09-07
43
hustvl/EVF-SAM

Codice ufficiale di «EVF-SAM: Fusione precoce visione-lingua per il modello Segment Anything con prompt testuale»

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Aggiornato 2025-03-17 📅 Creato 2024-06-12

Domande frequenti

1

Qual è il repository #multimodal-large-language-models più popolare su GitHub?

Il progetto open source #multimodal-large-language-models più alto in classifica su GitHub è BradyFU/Awesome-Multimodal-Large-Language-Models, con 18,090 stelle. :sparkles::sparkles:Ultime novità sui modelli linguistici di grandi dimensioni multimodali

2

Quali linguaggi di programmazione sono più utilizzati nei repository #multimodal-large-language-models?

Tra i progetti #multimodal-large-language-models più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, HTML, C++.

3

Come viene calcolata la classifica dei repository #multimodal-large-language-models?

Monitoriamo 43 repository open source attivi contrassegnati con #multimodal-large-language-models (500+ stelle), per un totale di 78,032 stelle e una media di 1,814 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.