Git Stars Git Stars

#vision-language-model Repository

82
Totale Repository
263,383
Totale stelle
3,211
Media Stelle/Repo
51
Anionex/dsh-vision-toolkit

[dsh] Un toolkit visivo piรน potente progettato per modelli basati esclusivamente sul testo: installazione e utilizzo con una sola riga, riconoscimento diretto delle immagini incollandole, domande e risposte su piรน immagini, ripristino della UI frontend da screenshot e molto altro๏ฝœIntegrazione nativa di DeepSeek Harness per agent-vision-toolkit: domande e risposte sulle immagini, OCR di screenshot lunghi, ripristino della UI, grounding, differenze tra pixel, Artifacts e Web UI.

Anionex
โญ 949 TypeScript ๐Ÿ‘ค Anionex User ๐Ÿ• Aggiornato 2026-11-21 ๐Ÿ“… Creato 2026-08-13
52
PKU-YuanGroup/Chat-UniVi

[CVPR 2024 Highlight๐Ÿ”ฅ] Chat-UniVi: Unified Visual Representation Potenzia i modelli linguistici di grandi dimensioni con la comprensione di immagini e video

PKU-YuanGroup
โญ 943 Python ๐Ÿ‘ค PKU-YuanGroup Organization ๐Ÿ• Aggiornato 2024-10-16 ๐Ÿ“… Creato 2023-11-13
53
Valen-Team/Valen

Modelli aperti di decisione multimodale, da 0,8B a 27B, per testo, immagini e video. Decidi assegnando probabilitร  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
โญ 932 Python ๐Ÿ‘ค Valen-Team Organization ๐Ÿ• Aggiornato 2026-11-15 ๐Ÿ“… Creato 2026-09-23
54
facebookresearch/ShapeR

Codice per l'articolo di ricerca ShapeR

facebookresearch
โญ 904 Python ๐Ÿ‘ค facebookresearch Organization ๐Ÿ• Aggiornato 2026-04-30 ๐Ÿ“… Creato 2026-01-14
55
SkalskiP/top-cvpr-2025-papers

Informazioni su Questo repository รจ una raccolta curata degli articoli piรน interessanti e influenti del CVPR 2025. ๐Ÿ”ฅ [Paper + Code + Demo]

SkalskiP
โญ 899 Python ๐Ÿ‘ค SkalskiP User ๐Ÿ• Aggiornato 2026-04-15 ๐Ÿ“… Creato 2025-05-31
56
xlang-ai/OpenCUA

[NeurIPS 2025 Spotlight] OpenCUA: Fondamenta aperte per agenti di utilizzo del computer

xlang-ai
โญ 877 Python ๐Ÿ‘ค xlang-ai Organization ๐Ÿ• Aggiornato 2026-05-25 ๐Ÿ“… Creato 2025-06-21
57
SunzeY/AlphaCLIP

[CVPR 2024] Alpha-CLIP: un modello CLIP che si concentra ovunque tu voglia

SunzeY
โญ 876 Jupyter Notebook ๐Ÿ‘ค SunzeY User ๐Ÿ• Aggiornato 2025-07-20 ๐Ÿ“… Creato 2023-11-27
59
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
โญ 838 C++ ๐Ÿ‘ค OpenMOSS Organization ๐Ÿ• Aggiornato 2026-10-14 ๐Ÿ“… Creato 2026-04-08
60
mlfoundations/MINT-1T

๐Ÿƒ MINT-1T: Un set di dati multimodale interfoliato da un trilione di token.

mlfoundations
โญ 828 ๐Ÿ‘ค mlfoundations Organization ๐Ÿ• Aggiornato 2024-07-31 ๐Ÿ“… Creato 2024-06-16
61
zubair-irshad/Awesome-Robotics-3D

Un elenco curato di articoli sulla visione 3D relativi al dominio della robotica nell'era dei grandi modelli, ovvero LLM/VLM, ispirato da awesome-computer-vision, inclusi articoli, codici e siti Web correlati

zubair-irshad
โญ 824 ๐Ÿ‘ค zubair-irshad User ๐Ÿ• Aggiornato 2025-12-17 ๐Ÿ“… Creato 2024-08-12
62
huangwl18/VoxPoser

VoxPoser: Mappe di Valore 3D Componibili per la Manipolazione Robotica con Modelli Linguistici

huangwl18
โญ 806 Python ๐Ÿ‘ค huangwl18 User ๐Ÿ• Aggiornato 2025-02-20 ๐Ÿ“… Creato 2023-11-02
63
zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP

Un elenco curato di fantastici metodi di apprendimento di prompt/adattatori per modelli vision-language come CLIP.

zhengli97
โญ 802 ๐Ÿ‘ค zhengli97 User ๐Ÿ• Aggiornato 2026-07-17 ๐Ÿ“… Creato 2024-03-15
64
2toinf/X-VLA

[ICLR 2026] L'implementazione ufficiale di "Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model"

2toinf
โญ 762 C++ ๐Ÿ‘ค 2toinf User ๐Ÿ• Aggiornato 2026-10-20 ๐Ÿ“… Creato 2025-09-25
65
magicrew/doc7

Trasforma i documenti in Markdown pronto per l'IA con la comprensione visiva

magicrew
โญ 719 Go ๐Ÿ‘ค magicrew Organization ๐Ÿ• Aggiornato 2026-08-07 ๐Ÿ“… Creato 2026-08-02
66
NVlabs/OmniVinci

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

NVlabs
โญ 683 Python ๐Ÿ‘ค NVlabs Organization ๐Ÿ• Aggiornato 2026-08-31 ๐Ÿ“… Creato 2025-09-24
67
wanshuiyin/ARIS-in-AI-Offer

Schede bilingui (cinese + inglese) per i colloqui su ML / LLM / diffusion / agenti nella selezione autunnale per lโ€™AI โ€” generate da ARIS /interview-cheatsheet e trasformate da /render-html in file HTML singoli leggibili ovunque โ€” oltre a un generatore di homepage accademiche verificato rispetto a CVโ†’DBLP e blog in formato lungo scritti personalmente ๐ŸŒฑ

wanshuiyin
โญ 661 Python ๐Ÿ‘ค wanshuiyin User ๐Ÿ• Aggiornato 2026-11-18 ๐Ÿ“… Creato 2026-05-19
โญ 650 ๐Ÿ‘ค XiaomiMiMo Organization ๐Ÿ• Aggiornato 2026-10-29 ๐Ÿ“… Creato 2025-05-29
โญ 647 Python ๐Ÿ‘ค Visual-Agent Organization ๐Ÿ• Aggiornato 2026-02-26 ๐Ÿ“… Creato 2025-10-31
70
NJU-3DV/SpatialVID

[CVPR 2026] SpatialVID: Un grande dataset video con annotazioni spaziali

NJU-3DV
โญ 614 Python ๐Ÿ‘ค NJU-3DV Organization ๐Ÿ• Aggiornato 2026-04-22 ๐Ÿ“… Creato 2025-09-10
71
LAMDA-CL/LAMDA-PILOT

๐ŸŽ‰ PILOT: Una cassetta degli attrezzi per l'apprendimento continuo basata su modelli pre-addestrati

LAMDA-CL
โญ 614 Python ๐Ÿ‘ค LAMDA-CL Organization ๐Ÿ• Aggiornato 2026-01-29 ๐Ÿ“… Creato 2023-08-30
72
linzhiqiu/t2v_metrics

Valutazione di modelli text-to-image/video/3D con VQAScore

linzhiqiu
โญ 607 Python ๐Ÿ‘ค linzhiqiu User ๐Ÿ• Aggiornato 2026-06-05 ๐Ÿ“… Creato 2023-12-16
73
IuvenisSapiens/ComfyUI_Qwen3-VL-Instruct

L'integrazione di successo della serie Qwen3-VL-Instruct nella piattaforma ComfyUI ha permesso un funzionamento senza intoppi, supportando (ma non limitandosi a) richieste basate su testo, richieste video, richieste con una sola immagine e richieste con piรน immagini per generare didascalie o risposte.

IuvenisSapiens
โญ 587 Python ๐Ÿ‘ค IuvenisSapiens User ๐Ÿ• Aggiornato 2025-10-23 ๐Ÿ“… Creato 2024-08-31
74
FoundationVision/Groma

[ECCV2024] Modello linguistico multimodale ampio e fondato con tokenizzazione visiva localizzata

FoundationVision
โญ 582 Python ๐Ÿ‘ค FoundationVision Organization ๐Ÿ• Aggiornato 2024-06-07 ๐Ÿ“… Creato 2024-04-21
75
ictnlp/LLaVA-Mini

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

ictnlp
โญ 575 Python ๐Ÿ‘ค ictnlp Organization ๐Ÿ• Aggiornato 2025-06-29 ๐Ÿ“… Creato 2025-01-07
76
cambrian-mllm/cambrian-s

Cambrian-S: Verso la Supersensibilitร  Spaziale nei Video

cambrian-mllm
โญ 573 Python ๐Ÿ‘ค cambrian-mllm Organization ๐Ÿ• Aggiornato 2026-04-03 ๐Ÿ“… Creato 2025-10-13
77
Flame-Code-VLM/Flame-Code-VLM

Flame รจ un sistema AI multimodale open-source progettato per tradurre mockup di UI design in codice React di alta qualitร . Sfrutta la modellazione vision-lingua, la sintesi automatizzata dei dati e i flussi di lavoro di addestramento strutturati per colmare il divario tra design e sviluppo front-end.

Flame-Code-VLM
โญ 564 Python ๐Ÿ‘ค Flame-Code-VLM Organization ๐Ÿ• Aggiornato 2026-02-11 ๐Ÿ“… Creato 2025-02-10
78
OpenGVLab/Multi-Modality-Arena

Chatbot Arena incontra la multimodalitร ! Multi-Modality Arena ti permette di confrontare modelli vision-language fianco a fianco fornendo immagini come input. Supporta MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 e molti altri!

OpenGVLab
โญ 553 Python ๐Ÿ‘ค OpenGVLab Organization ๐Ÿ• Aggiornato 2024-04-21 ๐Ÿ“… Creato 2023-05-10
79
Mengqi-Lei/count-anything

Codice e linee guida per l'implementazione dell'articolo โœจCounting Anything. Pagina del progetto: https://mengqi-lei.github.io/count-anything-projectpage/

Mengqi-Lei
โญ 545 Python ๐Ÿ‘ค Mengqi-Lei User ๐Ÿ• Aggiornato 2026-08-12 ๐Ÿ“… Creato 2026-05-18
80
vulab-AI/Awesome-Spatial-VLMs

[Awesome-Spatial-VLMs] Questo repository รจ la risorsa ufficiale, gestita dalla community, per l'articolo di rassegna: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey;

vulab-AI
โญ 525 Python ๐Ÿ‘ค vulab-AI Organization ๐Ÿ• Aggiornato 2026-07-30 ๐Ÿ“… Creato 2025-07-10
81
mll-lab-nu/VAGEN

Apprendimento per rinforzo con modelli del mondo per agenti VLM multi-turno. Framework di apprendimento per rinforzo per la visione (NeurIPS 2025).

mll-lab-nu
โญ 525 Python ๐Ÿ‘ค mll-lab-nu Organization ๐Ÿ• Aggiornato 2026-10-29 ๐Ÿ“… Creato 2025-03-04
82
Jiaaqiliu/Awesome-VLA-Robotics

Un elenco completo di eccellenti articoli di ricerca, modelli, dataset e altre risorse sui modelli Visionโ€‘Languageโ€‘Action (VLA) nella robotica.

Jiaaqiliu
โญ 505 ๐Ÿ‘ค Jiaaqiliu User ๐Ÿ• Aggiornato 2026-10-19 ๐Ÿ“… Creato 2025-04-21