Git Stars Git Stars

#video-understanding Repository

Scopri 51 repository GitHub open source attivi contrassegnati con #video-understanding, che raccolgono un totale di 114,089 stelle (con una media di 2,237 stelle per progetto). Il progetto leader di questo argomento è QwenLM/Qwen3-VL, con 20,240 stelle.

51
Totale Repository
114,089
Totale stelle
2,237
Media Stelle/Repo

51 repository in totale

1
QwenLM/Qwen3-VL

Qwen3-VL è la serie di modelli linguistici di grandi dimensioni multimodali sviluppata dal team Qwen di Alibaba Cloud.

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 Aggiornato 2026-01-30 📅 Creato 2024-08-29
2
facebookresearch/SlowFast

PySlowFast: codebase per la comprensione video da FAIR per riprodurre modelli video all'avanguardia.

facebookresearch
⭐ 7,447 Python 👤 facebookresearch Organization 🕐 Aggiornato 2026-03-16 📅 Creato 2019-08-20
3
LargeWorldModel/LWM

Large World Model -- Modellazione di testo e video con milioni di contesti

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 Aggiornato 2024-10-19 📅 Creato 2024-02-08
4
open-mmlab/mmaction2

Il Toolbox e Benchmark di Nuova Generazione di OpenMMLab per la Comprensione dei Video

open-mmlab
⭐ 5,203 Python 👤 open-mmlab Organization 🕐 Aggiornato 2026-03-18 📅 Creato 2020-07-11
5
facebookresearch/vjepa2

Codice e modelli PyTorch per l'apprendimento auto-supervisionato da video VJEPA2.

facebookresearch
⭐ 4,911 Python 👤 facebookresearch Organization 🕐 Aggiornato 2026-10-29 📅 Creato 2025-04-25
7
EvolvingLMMs-Lab/lmms-eval

Toolkit di valutazione multimodale One-for-All per attività testuali, di immagini, video e audio

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2024-03-07
8
NVlabs/VILA

VILA è una famiglia di modelli visivi linguistici (VLM) all'avanguardia per diversi compiti di intelligenza artificiale multimodale su edge, data center e cloud.

NVlabs
⭐ 3,873 Python 👤 NVlabs Organization 🕐 Aggiornato 2026-03-12 📅 Creato 2024-02-23
9
facebookresearch/pytorchvideo

Una libreria di deep learning per la ricerca sulla comprensione dei video.

facebookresearch
⭐ 3,568 Python 👤 facebookresearch Organization 🕐 Aggiornato 2026-10-16 📅 Creato 2021-03-09
10
OpenGVLab/Ask-Anything

[CVPR2024 Highlight][VideoChatGPT] ChatGPT con comprensione video! E molti altri LM supportati come miniGPT4, StableLM e MOSS.

OpenGVLab
⭐ 3,361 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2026-07-17 📅 Creato 2023-04-19
11
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Últimi lavori, codici e set di dati su Vid-LLMs.

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 Aggiornato 2026-11-11 📅 Creato 2023-07-16
12
google-research/kubric

Una pipeline di generazione dati per creare video semi-realistici sintetici multi-oggetto con ricche annotazioni come maschere di segmentazione delle istanze, mappe di profondità e flusso ottico.

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 Aggiornato 2026-05-21 📅 Creato 2020-07-22
13
OpenGVLab/InternVideo

[ECCV2024] Modelli Fondamentali Video e Dati per la Comprensione Multimodale

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2026-07-02 📅 Creato 2022-11-23
14
facebookresearch/perception_models

Modelli CLIP" all'avanguardia per immagini e video, modelli linguistici di grandi dimensioni multimodali e altro ancora!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 Aggiornato 2026-04-13 📅 Creato 2025-04-16
15
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-Pensiero: Verso il Ragionamento Multimodale Versatile con Apprendimento per Rinforzo Scalabile

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 Aggiornato 2026-11-06 📅 Creato 2025-06-28
16
mit-han-lab/temporal-shift-module

[ICCV 2019] TSM: Modulo di Sostituzione Temporale per un Video-Comprensione Efficiente

mit-han-lab
⭐ 2,167 Python 👤 mit-han-lab Organization 🕐 Aggiornato 2024-07-11 📅 Creato 2019-03-27
17
HKUDS/VideoAgent

[EMNLP2026] «VideoAgent: Framework agentico all-in-one per la comprensione, l’editing e la ricreazione di video»

HKUDS
⭐ 2,059 Python 👤 HKUDS Organization 🕐 Aggiornato 2026-07-22 📅 Creato 2025-07-16
18
NVIDIA-AI-Blueprints/video-search-and-summarization

Il Blueprint AI di NVIDIA per la ricerca e il riepilogo video (VSS) è un'architettura di riferimento accelerata da GPU per costruire agenti di analisi video con avvisi verificati in tempo reale, domande e risposte visive e report automatizzati. Il Blueprint VSS utilizza modelli di linguaggio visivo (VLM) come NVIDIA Cosmos, LLM come NVIDIA Nemotron, RAG e NVIDIA NIM.

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-10-22
20
PaddlePaddle/PaddleVideo

Fantastici toolkit per la comprensione video basati su PaddlePaddle. Supporta strumenti di annotazione dati video, modelli leggeri basati su RGB e scheletri per il riconoscimento delle azioni, applicazioni pratiche per il tagging video e il rilevamento di azioni sportive.

PaddlePaddle
⭐ 1,698 Python 👤 PaddlePaddle Organization 🕐 Aggiornato 2025-02-12 📅 Creato 2020-11-12
21
bytedance/SALMONN

Famiglia SALMONN: Una suite di LLM multimodali avanzati

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 Aggiornato 2026-10-16 📅 Creato 2023-08-11
22
bytedance/Lance

Un modello multimodale unificato nativo a 3 miliardi di parametri attivi per la comprensione, la generazione e la modifica di immagini e video.

bytedance
⭐ 1,370 Python 👤 bytedance Organization 🕐 Aggiornato 2026-07-14 📅 Creato 2026-05-15
23
DAMO-NLP-SG/VideoLLaMA3

Modelli Fondazionali Multimodali di Frontiera per la Comprensione di Immagini e Video

DAMO-NLP-SG
⭐ 1,174 Jupyter Notebook 👤 DAMO-NLP-SG Organization 🕐 Aggiornato 2025-08-14 📅 Creato 2025-01-19
24
TheShadow29/awesome-grounding

awesome grounding: Una lista curata di articoli di ricerca sul grounding visivo

TheShadow29
⭐ 1,132 👤 TheShadow29 User 🕐 Aggiornato 2026-10-16 📅 Creato 2018-09-03
25
mit-han-lab/streaming-vlm

StreamingVLM: Comprensione in tempo reale per flussi video infiniti

mit-han-lab
⭐ 1,095 Python 👤 mit-han-lab Organization 🕐 Aggiornato 2025-10-15 📅 Creato 2025-10-11
26
OpenGVLab/VideoMamba

[ECCV2024] VideoMamba: Modello a spazio degli stati per un'efficiente comprensione video

OpenGVLab
⭐ 1,052 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2024-07-06 📅 Creato 2024-03-11
27
cuixing158/Awesome-CV-MasterHub

:fire: :fire: :fire: Un elenco di documenti su alcuni recenti lavori di Computer Vision (CV)

cuixing158
⭐ 986 👤 cuixing158 User 🕐 Aggiornato 2026-11-08 📅 Creato 2025-02-14
28
activitynet/ActivityNet

Questo repository è destinato a ospitare tool e demo per ActivityNet.

activitynet
⭐ 965 Jupyter Notebook 👤 activitynet Organization 🕐 Aggiornato 2024-03-21 📅 Creato 2015-10-23
29
PKU-YuanGroup/Chat-UniVi

[CVPR 2024 Highlight🔥] Chat-UniVi: Unified Visual Representation Potenzia i modelli linguistici di grandi dimensioni con la comprensione di immagini e video

PKU-YuanGroup
⭐ 943 Python 👤 PKU-YuanGroup Organization 🕐 Aggiornato 2024-10-16 📅 Creato 2023-11-13
30
Valen-Team/Valen

Modelli aperti di decisione multimodale, da 0,8B a 27B, per testo, immagini e video. Decidi assegnando probabilità ai tuoi candidati e individua gli elementi con riquadri di delimitazione, invece di generare testo. API gratuita, ONNX, GGUF, vLLM e SGLang; codice per il fine-tuning incluso.

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 Aggiornato 2026-11-15 📅 Creato 2026-09-23
31
tulerfeng/Video-R1

Video-R1: Rafforzare il Ragionamento Video negli MLLM [🔥il primo paper a esplorare R1 per i video]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Aggiornato 2025-12-14 📅 Creato 2025-02-22
32
DirtyHarryLYL/LLM-in-Vision

Recenti lavori basati su LLM per CV e correlati. Benvenuti a commentare/contribuire!

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 Aggiornato 2025-03-08 📅 Creato 2023-03-10
33
dvlab-research/LLaMA-VID

LLaMA-VID: Un'immagine vale 2 token nei modelli linguistici di grandi dimensioni (ECCV 2024)

JIA-Lab-research
⭐ 854 Python 👤 JIA-Lab-research Organization 🕐 Aggiornato 2024-07-29 📅 Creato 2023-11-28
34
OpenMOSS/MOSS-VL

Una serie di modelli da 11B a pesi aperti per la comprensione di video di lunga durata e in tempo reale

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Aggiornato 2026-10-14 📅 Creato 2026-04-08
35
CodeGoat24/UnifiedReward

Implementazione ufficiale di UnifiedReward e [NeurIPS 2025] UnifiedReward-Think e UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Aggiornato 2026-06-18 📅 Creato 2025-03-04
37
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
38
OpenGVLab/VideoMAEv2

[CVPR 2023] VideoMAE V2: Scalare Video Masked Autoencoders con Dual Masking

OpenGVLab
⭐ 730 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2024-10-08 📅 Creato 2023-04-04
39
showlab/videollm-online

VideoLLM-online: Large Language Model online per video in streaming (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Aggiornato 2025-11-26 📅 Creato 2024-06-17
40
magic-research/PLLaVA

Repository ufficiale per l'articolo PLLaVA

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 Aggiornato 2024-07-28 📅 Creato 2024-04-18
41
bytedance/vidi

Il repository ufficiale per "Vidi: Modelli Multimodali Grandi per la Comprensione e l'Editing Video"

bytedance
⭐ 662 Python 👤 bytedance Organization 🕐 Aggiornato 2026-08-03 📅 Creato 2025-02-08
43
Vision-CAIR/MiniGPT4-video

Codice ufficiale per il modello Goldfish per la comprensione di video lunghi e MiniGPT4-video per la comprensione di video brevi

Vision-CAIR
⭐ 637 Python 👤 Vision-CAIR Organization 🕐 Aggiornato 2024-12-10 📅 Creato 2024-03-23
44
jy0205/LaVIT

LaVIT: Potenziare il Large Language Model per Comprendere e Generare Contenuti Visivi

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Aggiornato 2024-10-06 📅 Creato 2023-09-09
45
oxbshw/watch-skill

Dai agli agenti IA occhi, orecchie e risultati verificabili. Watch Skill trasforma video, audio e attività sullo schermo in prove ricercabili e corredate di timestamp, e dimostra il lavoro tramite contratti deterministici, non opinioni del modello. DeepWatch è l’ambiente di lavoro per agenti basato su DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Aggiornato 2026-11-16 📅 Creato 2026-07-05
46
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
47
zhenyingfang/Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

Rilevamento di azioni temporali & Rilevamento di azioni temporali debolmente supervisionato & Generazione di proposte di azioni temporali

zhenyingfang
⭐ 597 👤 zhenyingfang User 🕐 Aggiornato 2026-11-20 📅 Creato 2020-03-09
48
gokayfem/ComfyUI_VLM_nodes

Nodi ComfyUI per modelli vision-language: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Include inoltre rilevamento a vocabolario aperto, segmentazione SAM2/SAM3, ragionamento temporale video, GGUF tramite llama.cpp e API LLM/VLM ospitate.

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 Aggiornato 2026-08-08 📅 Creato 2024-01-24
49
SAOS-3624/dsh-video-storyboard

Storyboard con riconoscimento delle scene per DeepSeek Harness: da 9 a 16 riquadri numerati con timestamp + trascrizione + inviluppo audio, raccolti in UN'UNICA immagine (384 token). Due strumenti: video_storyboard e video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-10-26
50
AssafSinger94/dino-tracker

Implementazione ufficiale di Pytorch per “DINO-Tracker: Domare DINO per il tracciamento autonomo di punti in un singolo video” (ECCV 2024)

AssafSinger94
⭐ 543 Python 👤 AssafSinger94 User 🕐 Aggiornato 2024-11-23 📅 Creato 2024-04-03

Domande frequenti

1

Qual è il repository #video-understanding più popolare su GitHub?

Il progetto open source #video-understanding più alto in classifica su GitHub è QwenLM/Qwen3-VL, con 20,240 stelle. Qwen3-VL è la serie di modelli linguistici di grandi dimensioni multimodali sviluppata dal team Qwen di Alibaba Cloud.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #video-understanding?

Tra i progetti #video-understanding più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, JavaScript.

3

Come viene calcolata la classifica dei repository #video-understanding?

Monitoriamo 51 repository open source attivi contrassegnati con #video-understanding (500+ stelle), per un totale di 114,089 stelle e una media di 2,237 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.