Git Stars Git Stars

#vision-language-models Repository

Scopri 86 repository GitHub open source attivi contrassegnati con #vision-language-models, che raccolgono un totale di 198,329 stelle (con una media di 2,306 stelle per progetto). Il progetto leader di questo argomento è Vision-CAIR/MiniGPT-4, con 25,770 stelle.

86
Totale Repository
198,329
Totale stelle
2,306
Media Stelle/Repo

86 repository in totale

1
Vision-CAIR/MiniGPT-4

Codici open-source per MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)

Vision-CAIR
⭐ 25,770 Python 👤 Vision-CAIR Organization 🕐 Aggiornato 2024-09-02 📅 Creato 2023-04-15
2
deepseek-ai/DeepSeek-OCR

Contesti di compressione ottica

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 Aggiornato 2026-01-27 📅 Creato 2025-10-17
3
allenai/olmocr

Toolkit per la linearizzazione di PDF per dataset/addestramento LLM

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 Aggiornato 2026-03-25 📅 Creato 2024-09-17
4
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - Un Modello Fondamentale per Robot Generalisti.

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2025-03-11
5
apple-aiml-research/ml-fastvlm

Questo repository contiene l'implementazione ufficiale di "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025

apple-aiml-research
⭐ 7,445 Python 👤 apple-aiml-research Organization 🕐 Aggiornato 2026-09-11 📅 Creato 2025-05-01
6
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
7
google/gemma.cpp

motore di inferenza C++ leggero e autonomo per i modelli Gemma di Google.

google
⭐ 7,089 C++ 👤 google Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2024-02-13
8
huggingface/nanoVLM

Il repository più semplice e veloce per l'addestramento/il fine-tuning di VLM di piccole dimensioni.

huggingface
⭐ 5,063 Python 👤 huggingface Organization 🕐 Aggiornato 2025-10-27 📅 Creato 2025-05-02
9
lumina-ai-inc/chunkr

Infrastruttura di visione per trasformare documenti complessi in dati pronti per gli LLM

lumina-ai-inc
⭐ 4,154 Rust 👤 lumina-ai-inc Organization 🕐 Aggiornato 2026-09-09 📅 Creato 2024-08-24
10
StarsfieldAI/R1-V

Assisti al momento "aha" di VLM a meno di 3 $

StarsfieldAI
⭐ 4,058 Python 👤 StarsfieldAI Organization 🕐 Aggiornato 2025-05-19 📅 Creato 2025-02-02
11
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
12
jonyzhang2023/awesome-embodied-vla-va-vln

Un elenco curato di ricerche all'avanguardia nell'IA incarnata, incentrato su modelli visione-linguaggio-azione (VLA), navigazione visione-linguaggio (VLN) e approcci correlati all'apprendimento multimodale.

jonyzhang2023
⭐ 3,634 👤 jonyzhang2023 User 🕐 Aggiornato 2026-09-15 📅 Creato 2025-01-16
13
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVG è la prima famiglia di generatori SVG multimodali end-to-end che sfruttano modelli Vision-Language (VLM) pre-addestrati, in grado di generare SVG complessi e dettagliati, da semplici icone ad intricati personaggi anime.

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 Aggiornato 2026-03-01 📅 Creato 2025-04-07
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
16
opendatalab/OmniDocBench

[CVPR 2025] Un benchmark completo per l'analisi e la valutazione dei documenti

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 Aggiornato 2026-11-12 📅 Creato 2024-10-14
17
PKU-YuanGroup/LLaVA-CoT

[ICCV 2025] LLaVA-CoT, un modello linguistico visivo in grado di ragionamento spontaneo e sistematico

PKU-YuanGroup
⭐ 2,129 Python 👤 PKU-YuanGroup Organization 🕐 Aggiornato 2025-12-12 📅 Creato 2024-11-17
18
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Rendere i VLM OCR leggeri più veloci e migliori

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Aggiornato 2026-09-24 📅 Creato 2025-11-18
19
chn-lee-yumi/MaterialSearch

Ricerca semantica. Cerca foto e video locali tramite linguaggio naturale. Ricerca semantica AI di materiale locale. Cerca per immagine, trova materiale locale, abbina scene tramite descrizioni testuali, ricerca frame video, cerca video tramite descrizioni di scene.

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 Aggiornato 2026-09-21 📅 Creato 2023-03-16
21
gpt-omni/mini-omni2

Verso GPT-4o open-source con capacità Vision, Speech e Duplex.

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 Aggiornato 2025-01-16 📅 Creato 2024-10-14
22
facebookresearch/MetaCLIP

NeurIPS 2025 Spotlight; ICLR2024 Spotlight; CVPR 2024; EMNLP 2024

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 Aggiornato 2026-08-11 📅 Creato 2023-09-28
23
kijai/ComfyUI-Florence2

Inferenza Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 Aggiornato 2026-05-06 📅 Creato 2024-06-19
24
baaivision/Emu3.5

I modelli multimodali nativi sono apprendisti del mondo

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 Aggiornato 2025-12-30 📅 Creato 2025-10-29
25
tjmlabs/ColiVara

Colivara è una suite di servizi che consente di archiviare, cercare e recuperare documenti in base al loro embedding visivo. ColiVara ha prestazioni di recupero all'avanguardia sia per documenti di testo che visivi. utilizzando modelli di visione anziché chunking ed elaborazione del testo per i documenti. Nessun OCR, nessuna estrazione di testo, nessuna tabella interrotta o immagini mancanti.

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 Aggiornato 2026-07-08 📅 Creato 2024-09-21
27
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
28
rmokady/CLIP_prefix_caption

Modello di didascalia di immagini semplice

rmokady
⭐ 1,407 Jupyter Notebook 👤 rmokady User 🕐 Aggiornato 2024-06-09 📅 Creato 2021-09-16
29
SakanaAI/evolutionary-model-merge

Repository ufficiale dell'ottimizzazione evolutiva delle ricette di fusione dei modelli

SakanaAI
⭐ 1,394 Python 👤 SakanaAI Organization 🕐 Aggiornato 2024-11-29 📅 Creato 2024-03-05
30
gokayfem/awesome-vlm-architectures

Catalogo visivo selezionato di oltre 200 architetture di modelli visione-linguaggio (VLM/MLLM): articoli, diagrammi, ricette di addestramento, set di dati e cronologia dei rilasci degli agenti IA multimodali.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Aggiornato 2026-10-27 📅 Creato 2024-02-15
31
Computer-Vision-in-the-Wild/CVinW_Readings

Una raccolta di articoli sul tema ``Computer Vision in the Wild (CVinW)''

Computer-Vision-in-the-Wild
⭐ 1,349 👤 Computer-Vision-in-the-Wild Organization 🕐 Aggiornato 2024-03-14 📅 Creato 2022-09-28
32
X-Square-Robot/wall-x

Costruzione di robot per scopi generali basati su modelli fondazionali incarnati

X-Square-Robot
⭐ 1,337 Python 👤 X-Square-Robot Organization 🕐 Aggiornato 2026-09-18 📅 Creato 2025-09-04
35
aiming-lab/Agent0

[ICML'26 & COLM'26] Serie Agent0: Agenti auto-evolutivi da zero dati

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 Aggiornato 2026-07-10 📅 Creato 2025-10-20
37
reacher-z/Awesome-CUA

Catalogo aperto e documentato con fonti di agenti per l’uso del computer: articoli esaminati, modelli GUI, dataset, benchmark, strumenti e dati riutilizzabili in JSONL/SQLite.

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-10-16
38
nvidia-cosmos/cosmos-reason1

I modelli Cosmos-Reason1 comprendono il senso comune fisico e generano appropriate decisioni incarnate in linguaggio naturale attraverso lunghi processi di ragionamento a catena di pensiero.

nvidia-cosmos
⭐ 965 Python 👤 nvidia-cosmos Organization 🕐 Aggiornato 2026-06-07 📅 Creato 2025-03-02
39
huangwl18/ReKep

ReKep: Ragionamento spazio-temporale di vincoli di checkpoint relazionali per la manipolazione robotica

huangwl18
⭐ 950 Python 👤 huangwl18 User 🕐 Aggiornato 2025-02-20 📅 Creato 2024-08-29
40
mst272/LLM-Dojo

Framework leggero per il post-addestramento di LLM, supporta SFT, RLVR, On-Policy KD, Guide KD e addestramento misto; implementa distillazione Guide a una/more round, distillazione multi-insegnante, addestramento misto Reward e sharding dati automatizzato👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 Aggiornato 2026-03-08 📅 Creato 2024-01-23
41
Qinying-Liu/Awesome-Open-Vocabulary-Semantic-Segmentation

Un elenco curato di pubblicazioni sulla segmentazione semantica a vocabolario aperto e aree correlate (ad es. segmentazione semantica zero-shot) risorse..

Qinying-Liu
⭐ 910 👤 Qinying-Liu User 🕐 Aggiornato 2026-05-20 📅 Creato 2023-09-28
42
TRI-ML/prismatic-vlms

Una codebase flessibile ed efficiente per l'addestramento di modelli linguistici visivamente-condizionati (VLM)

TRI-ML
⭐ 894 Python 👤 TRI-ML Organization 🕐 Aggiornato 2024-07-04 📅 Creato 2024-02-13
43
LYL1015/JarvisArt

[NeurIPS' 2025] JarvisArt: Liberare la creatività artistica umana tramite un agente intelligente per il ritocco fotografico

LYL1015
⭐ 880 Python 👤 LYL1015 User 🕐 Aggiornato 2026-04-04 📅 Creato 2025-06-24
44
beichenzbc/Long-CLIP

[ECCV 2024] codice ufficiale per "Long-CLIP: Sblocco della capacità di testo lungo di CLIP"

beichenzbc
⭐ 879 Python 👤 beichenzbc User 🕐 Aggiornato 2024-08-13 📅 Creato 2024-03-20
45
InternLM/Intern-S1

Un modello fondazionale scientifico multimodale

InternLM
⭐ 876 👤 InternLM Organization 🕐 Aggiornato 2026-09-13 📅 Creato 2025-07-25
46
RiseInRose/MiniGPT-4-ZH

MiniGPT-4 Implementazione cinese Traduzione Dettagli di implementazione perfezionati

RiseInRose
⭐ 859 Python 👤 RiseInRose User 🕐 Aggiornato 2026-05-09 📅 Creato 2023-04-19
48
allenai/molmo

Codice per il Molmo Vision-Language Model

allenai
⭐ 851 Python 👤 allenai Organization 🕐 Aggiornato 2024-12-12 📅 Creato 2024-12-05
49
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
50
showlab/Awesome-Unified-Multimodal-Models

📖 Questo è un repository per organizzare articoli, codici e altre risorse relative a modelli multimodali unificati.

showlab
⭐ 834 👤 showlab Organization 🕐 Aggiornato 2025-10-10 📅 Creato 2024-08-27

Domande frequenti

1

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

Il progetto open source #vision-language-models più alto in classifica su GitHub è Vision-CAIR/MiniGPT-4, con 25,770 stelle. Codici open-source per MiniGPT-4 e MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)

2

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

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

3

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

Monitoriamo 86 repository open source attivi contrassegnati con #vision-language-models (500+ stelle), per un totale di 198,329 stelle e una media di 2,306 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.