Git Stars Git Stars

#vision-language-model Repository

Scopri 82 repository GitHub open source attivi contrassegnati con #vision-language-model, che raccolgono un totale di 263,383 stelle (con una media di 3,211 stelle per progetto). Il progetto leader di questo argomento è haotian-liu/LLaVA, con 24,232 stelle.

82
Totale Repository
263,383
Totale stelle
3,211
Media Stelle/Repo

82 repository in totale

1
haotian-liu/LLaVA

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) è stato creato per capacità di livello GPT-4V e oltre.

haotian-liu
⭐ 24,232 Python 👤 haotian-liu User 🕐 Aggiornato 2024-08-12 📅 Creato 2023-04-17
2
datalab-to/surya

OCR, analisi del layout, ordine di lettura, riconoscimento tabelle in oltre 90 lingue

datalab-to
⭐ 21,608 Python 👤 datalab-to Organization 🕐 Aggiornato 2026-11-13 📅 Creato 2024-01-10
3
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
4
datalab-to/chandra

Modello OCR che gestisce tabelle complesse, moduli e scrittura a mano con layout completo.

datalab-to
⭐ 12,741 Python 👤 datalab-to Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2025-10-08
5
CVHub520/X-AnyLabeling

X-AnyLabeling: un’applicazione desktop multipiattaforma, leggera, efficiente e unificata per annotare testi, immagini, video, nuvole di punti e dati multimodali. Combina versatili strumenti integrati con modelli di IA all’avanguardia e offre flessibili opzioni di esportazione in più formati.

CVHub520
⭐ 11,004 Python 👤 CVHub520 User 🕐 Aggiornato 2026-11-18 📅 Creato 2023-05-23
6
m87-labs/moondream

piccolo modello linguistico per la visione

m87-labs
⭐ 10,167 Python 👤 m87-labs Organization 🕐 Aggiornato 2026-04-20 📅 Creato 2023-12-29
7
OpenGVLab/InternVL

[CVPR 2024 Oral] InternVL Family: Un'alternativa open-source pionieristica a GPT-4o. Un modello di dialogo multimodale open-source con prestazioni vicine a GPT-4o.

OpenGVLab
⭐ 10,160 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2025-09-22 📅 Creato 2023-11-22
8
studio-dots-ai/dots.ocr

Analisi del layout di documenti multilingue in un singolo modello Vision-Language

studio-dots-ai
⭐ 9,236 Python 👤 studio-dots-ai Organization 🕐 Aggiornato 2026-03-24 📅 Creato 2025-07-30
9
jingyaogong/minimind-v

👀 Addestra da zero un VLM da 65 milioni di parametri in sole 2 ore!

jingyaogong
⭐ 8,868 Python 👤 jingyaogong User 🕐 Aggiornato 2026-10-27 📅 Creato 2024-09-11
10
Ucas-HaoranWei/GOT-OCR2.0

Implementazione ufficiale del codice della General OCR Theory: verso OCR-2.0 tramite un modello unificato end-to-end

Ucas-HaoranWei
⭐ 8,133 Python 👤 Ucas-HaoranWei User 🕐 Aggiornato 2025-02-10 📅 Creato 2024-09-02
11
QwenLM/Qwen-VL

Il repository ufficiale di Qwen-VL (通义千问-VL) chat & modello linguistico visivo preaddestrato di grandi dimensioni proposto da Alibaba Cloud.

QwenLM
⭐ 6,453 Python 👤 QwenLM Organization 🕐 Aggiornato 2024-08-07 📅 Creato 2023-08-21
12
ByteDance-Seed/Bagel

Modello multimodale unificato open-source

ByteDance-Seed
⭐ 6,223 Python 👤 ByteDance-Seed Organization 🕐 Aggiornato 2026-05-04 📅 Creato 2025-04-17
13
Neywa-Labs/mlx-vlm

MLX-VLM è un pacchetto per l'inferenza e il fine-tuning di Vision Language Models (VLM) sul tuo Mac utilizzando MLX.

Neywa-Labs
⭐ 5,886 Python 👤 Neywa-Labs Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-04-16
14
volcengine/MineContext

MineContext è il tuo partner AI proattivo e consapevole del contesto (Context-Engineering+ChatGPT Pulse)

volcengine
⭐ 5,553 Python 👤 volcengine Organization 🕐 Aggiornato 2026-05-07 📅 Creato 2025-06-24
15
deepseek-ai/DeepSeek-VL2

DeepSeek-VL2: Modelli Vision-Language Mixture-of-Experts per una Comprensione Multimodale Avanzata

deepseek-ai
⭐ 5,297 Python 👤 deepseek-ai Organization 🕐 Aggiornato 2025-02-26 📅 Creato 2024-12-13
16
PKU-Alignment/align-anything

Align Anything: Training di un modello all-modalità con feedback

PKU-Alignment
⭐ 4,669 Python 👤 PKU-Alignment Organization 🕐 Aggiornato 2025-11-27 📅 Creato 2024-07-14
17
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
18
QwenLM/Qwen3.8

Qwen3.8 è una serie di modelli linguistici di grandi dimensioni sviluppata dal team Qwen di Alibaba Group.

QwenLM
⭐ 4,459 👤 QwenLM Organization 🕐 Aggiornato 2026-08-17 📅 Creato 2025-09-11
19
deepseek-ai/DeepSeek-VL

DeepSeek-VL: Verso la comprensione visivo-linguistica del mondo reale

deepseek-ai
⭐ 4,037 Python 👤 deepseek-ai Organization 🕐 Aggiornato 2024-04-24 📅 Creato 2024-03-07
20
MiniMax-AI/MiniMax-01

Il repository ufficiale di MiniMax-Text-01 e MiniMax-VL-01, modello linguistico di grandi dimensioni e modello visione-linguaggio basato sull'attenzione lineare

MiniMax-AI
⭐ 3,445 Python 👤 MiniMax-AI Organization 🕐 Aggiornato 2025-07-07 📅 Creato 2025-01-14
21
off-grid-ai/OGAM

Il coltellino svizzero dell'IA offline. Chatta, guarda, parla e genera immagini sul tuo telefono o Mac: LLM GGUF, visione, sintesi vocale Whisper, Stable Diffusion, chiamate a strumenti e server di rete locale. Funziona sulla tua CPU, GPU o NPU. Nessun account, nessuna chiave API, nessun dato lascia il tuo dispositivo.

off-grid-ai
⭐ 3,406 TypeScript 👤 off-grid-ai Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2026-01-29
22
dvlab-research/MGM

Repository ufficiale per "Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models"

JIA-Lab-research
⭐ 3,330 Python 👤 JIA-Lab-research Organization 🕐 Aggiornato 2024-05-04 📅 Creato 2024-03-26
23
jingyi0000/VLM_survey

Raccolta di fantastici modelli visione-linguaggio per compiti visivi

jingyi0000
⭐ 3,132 👤 jingyi0000 User 🕐 Aggiornato 2026-11-16 📅 Creato 2023-03-30
24
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive: Un sistema multimodale completo per interazioni audio e video in streaming a lungo termine

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 Aggiornato 2025-05-26 📅 Creato 2023-09-26
25
illuin-tech/colpali

Il codice utilizzato per addestrare ed eseguire inferenze con i modelli ColVision, ad esempio ColPali, ColQwen2 e ColSmol.

illuin-tech
⭐ 2,859 Python 👤 illuin-tech Organization 🕐 Aggiornato 2026-09-21 📅 Creato 2024-06-20
26
BAAI-Agents/Cradle

Il framework Cradle è un primo tentativo di General Computer Control (GCC). Cradle supporta gli agenti per eccellere in qualsiasi attività informatica abilitando forti capacità di ragionamento, auto-miglioramento e cura delle competenze, in un ambiente generale standardizzato con requisiti minimi.

BAAI-Agents
⭐ 2,394 Python 👤 BAAI-Agents Organization 🕐 Aggiornato 2024-11-07 📅 Creato 2024-03-03
27
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
28
2U1/Qwen-VL-Series-Finetune

Un'implementazione open-source per l'affinamento della serie Qwen-VL di Alibaba Cloud.

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 Aggiornato 2026-09-09 📅 Creato 2024-09-10
29
showlab/ShowUI

[CVPR 2025] Modello open-source, end-to-end, Vision-Language-Action per agenti GUI e uso del computer.

showlab
⭐ 1,932 Python 👤 showlab Organization 🕐 Aggiornato 2026-04-24 📅 Creato 2024-10-31
30
Thinklab-SJTU/Awesome-LLM4AD

Un elenco curato di fantastici risorse LLM/VLM/VLA/World Model per la guida autonoma (LLM4AD) (aggiornato continuamente)

Thinklab-SJTU
⭐ 1,907 👤 Thinklab-SJTU Organization 🕐 Aggiornato 2026-10-15 📅 Creato 2023-10-06
31
AlibabaResearch/AdvancedLiterateMachinery

Una raccolta di idee e algoritmi originali e innovativi per macchine letterarie avanzate. Questo progetto è mantenuto dal Team OCR nel Language Technology Lab, Tongyi Lab, Alibaba Group.

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 Aggiornato 2026-03-17 📅 Creato 2022-09-28
33
ZJU4HealthCare/HealthGPT

【ICML 2025 Spotlight】 Repository ufficiale per l'articolo “HealthGPT: Un modello linguistico visivo medico su larga scala per unificare comprensione e generazione tramite adattamento della conoscenza eterogene”

ZJU4HealthCare
⭐ 1,673 Python 👤 ZJU4HealthCare Organization 🕐 Aggiornato 2026-07-31 📅 Creato 2025-02-17
34
waybarrios/vllm-mlx

Server di inferenza LLM ad alte prestazioni compatibile con OpenAI e Anthropic per Apple Silicon. MLX nativo, batching continuo, modelli multimodali, chiamate di strumenti MCP e supporto per Claude Code.

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 Aggiornato 2026-11-07 📅 Creato 2025-12-06
35
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
36
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
37
emcf/thepipe

Ottieni dati puliti da documenti complessi, potenziati dai modelli vision-language ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 Aggiornato 2026-09-28 📅 Creato 2024-03-22
38
NVlabs/describe-anything

[ICCV 2025] Implementazione per Describe Anything: Didascalia dettagliata localizzata di immagini e video

NVlabs
⭐ 1,497 Python 👤 NVlabs Organization 🕐 Aggiornato 2025-06-26 📅 Creato 2025-04-04
39
ARahim3/mlx-tune

Fine-tune LLMs sul tuo Mac con Apple Silicon. SFT, DPO, GRPO, Visione, TTS, STT, Embedding e fine-tuning OCR — nativamente su MLX. API compatibile con Unsloth.

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 Aggiornato 2026-06-23 📅 Creato 2026-01-03
40
llm-jp/awesome-japanese-llm

Riassunto LLM giapponesi - Panoramica dei LLM giapponesi

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 Aggiornato 2026-11-09 📅 Creato 2023-07-09
42
Meituan-AutoML/MobileVLM

Assistente Linguistico Vision Forte e Aperto per Dispositivi Mobili

Meituan-AutoML
⭐ 1,317 Python 👤 Meituan-AutoML Organization 🕐 Aggiornato 2024-04-15 📅 Creato 2023-12-29
43
NVlabs/prismer

L'implementazione di "Prismer: un modello Vision-Language con esperti multi-task".

NVlabs
⭐ 1,308 Python 👤 NVlabs Organization 🕐 Aggiornato 2024-01-17 📅 Creato 2023-03-02
44
Anionex/agent-vision-toolkit

Progetta un kit di strumenti e competenze visive migliore per i modelli di solo testo per "vedere" le immagini, supportando la comprensione multi-immagine, domande e risposte sulle immagini, ripristino dell'interfaccia frontend, automazione della GUI, ecc., con integrazione opzionale senza soluzione di continuità con più agenti principali e riconoscimento diretto delle immagini incollate | Un kit di strumenti e competenze visive progettato per LLM di solo testo: domande e risposte sulle immagini, OCR di screenshot lunghi, ripristino dell'interfaccia frontend e automazione della GUI, con integrazione opzionale senza soluzione di continuità per Codex, Claude Code, Pi, Oh My Pi e OpenCode

Anionex
⭐ 1,267 Python 👤 Anionex User 🕐 Aggiornato 2026-10-13 📅 Creato 2026-08-01
45
EvolvingLMMs-Lab/LLaVA-OneVision-2.5

Framework completamente aperto per l'addestramento multimodale democratizzato

EvolvingLMMs-Lab
⭐ 1,245 Python 👤 EvolvingLMMs-Lab Organization 🕐 Aggiornato 2026-11-18 📅 Creato 2025-09-16
46
MoonshotAI/Kimi-VL

Kimi-VL: Modello Vision-Language Mixture-of-Experts per il Ragionamento Multimodale, la Comprensione del Lungo Contesto e Forti Capacità di Agente

MoonshotAI
⭐ 1,203 👤 MoonshotAI Organization 🕐 Aggiornato 2025-07-15 📅 Creato 2025-04-09
47
SkalskiP/vlms-zero-to-hero

Questa serie ti accompagnerà in un viaggio dai fondamenti di NLP e Computer Vision fino all'avanguardia dei modelli Vision-Language.

SkalskiP
⭐ 1,172 Jupyter Notebook 👤 SkalskiP User 🕐 Aggiornato 2025-01-23 📅 Creato 2024-12-20
48
ZJUI-AI4H/Hulu-Med

Un modello generalista trasparente verso una comprensione olistica visione-linguaggio in ambito medico

ZJUI-AI4H
⭐ 1,031 Python 👤 ZJUI-AI4H User 🕐 Aggiornato 2026-08-30 📅 Creato 2025-10-08
49
OpenBMB/VisRAG

RAG senza parsing supportato da VLM

OpenBMB
⭐ 991 Python 👤 OpenBMB Organization 🕐 Aggiornato 2026-11-02 📅 Creato 2024-10-14
50
mbzuai-oryx/groundingLMM

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), il primo modello del suo genere in grado di generare risposte in linguaggio naturale integrate in modo impeccabile con maschere di segmentazione di oggetti.

mbzuai-oryx
⭐ 969 Python 👤 mbzuai-oryx Organization 🕐 Aggiornato 2026-09-05 📅 Creato 2023-11-02

Domande frequenti

1

Qual è il repository #vision-language-model più popolare su GitHub?

Il progetto open source #vision-language-model più alto in classifica su GitHub è haotian-liu/LLaVA, con 24,232 stelle. [NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) è stato creato per capacità di livello GPT-4V e oltre.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #vision-language-model?

Tra i progetti #vision-language-model più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, C++.

3

Come viene calcolata la classifica dei repository #vision-language-model?

Monitoriamo 82 repository open source attivi contrassegnati con #vision-language-model (500+ stelle), per un totale di 263,383 stelle e una media di 3,211 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.