#vlm Repository
Scopri 89 repository GitHub open source attivi contrassegnati con #vlm, che raccolgono un totale di 457,898 stelle (con una media di 5,144 stelle per progetto). Il progetto leader di questo argomento è huggingface/transformers, con 169,339 stelle.
89 repository in totale
🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
Lo Stack di Agenti AI Multimodali Open-Source: Collegamento di Modelli AI all'Avanguardia e Infrastruttura per Agenti
SGLang è un framework di serving ad alte prestazioni per modelli linguistici di grandi dimensioni e modelli multimodali.
Fai il reverse engineering di qualsiasi video, inquadratura per inquadratura: scopri se è stato girato, generato con l’IA o creato tramite codice e come ricrearlo. Analisi nel formato aperto VIDEO.md.
https://arxiv.org/abs/2606.28344. La fine del parsing web. L'inizio della ricerca pixel-native scalabile. link: https://pixelrag.ai/
Una raccolta di tutorial sui modelli e le tecniche di visione artificiale all'avanguardia. Esplora tutto, dalle architetture fondamentali come ResNet ai modelli all'avanguardia come RF-DETR, YOLO11, SAM 3 e Qwen3-VL.
Libri, articoli, video e toolbox relativi al rilevamento di anomalie. Ultimo aggiornamento a fine 2025 per lavori su LLM e VLM!
Metti facilmente a punto (SFT/RL), valuta e distribuisci Qwen, Gemma o qualsiasi LLM/VLM agentico open source!
Esegui LLM e VLM all'avanguardia localmente su dispositivi Qualcomm attraverso NPU, GPU e CPU con poche righe di codice
Il repository ufficiale per ERNIE 4.5 e ERNIEKit – il suo toolkit di sviluppo di grado industriale basato su PaddlePaddle.
🌟100+ schemi originali LLM / RL 📚, dal capolavoro dell'autore di "Large Model Algorithms"! 💥 (100+ Mappe algoritmi LLM/RL)
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.
Toolkit di valutazione multimodale One-for-All per attività testuali, di immagini, video e audio
[CVPR 2026] PromptEnhancer è uno strumento di riscrittura dei prompt che raffina i prompt in versioni più chiare e strutturate per una migliore generazione di immagini.
Un framework snello e personalizzabile per la valutazione efficiente e il benchmarking delle prestazioni di modelli di grandi dimensioni (LLM, VLM, AIGC).
[MLSys 2024 Best Paper Award] AWQ: Quantizzazione dei pesi consapevole dell'attivazione per la compressione e l'accelerazione di LLM
Un modello open source per l’analisi di documenti, con precisione e velocità allo stato dell’arte, che utilizza un ciclo RSI durante il post-training.
Il repository ufficiale di MiniMax-Text-01 e MiniMax-VL-01, modello linguistico di grandi dimensioni e modello visione-linguaggio basato sull'attenzione lineare
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Skywork-R1V è una serie avanzata di modelli di IA multimodale sviluppata da Skywork AI, specializzata nel ragionamento visione-linguaggio.
Piattaforma open‑source di competenze per telecamere AI, NVR AI e sorveglianza CCTV. Analisi video VLM locale con Qwen, DeepSeek, SmolVLM, LLaVA, YOLO26. Agente di sicurezza di telecamere alimentato da LLM — osserva, comprende, ricorda e protegge la tua casa tramite Telegram, Discord o Slack. Competenze AI plug‑and‑play. OpenAI, Google, Anthropic o AI locale. Funziona su Mac Mini e AI PC.
Uno strumento di gestione file basato sull'IA che garantisce la privacy organizzando testi e immagini locali. Utilizzando i modelli Llama3.2 3B e Llava v1.6 con Nexa SDK, scansiona, ristruttura e organizza intuitivamente i file per un accesso rapido e fluido e un facile recupero.
[EMNLP-2024] Costruire agenti linguistici multimodali per prototipazione rapida e produzione
Implementazione open source e estensione di PaperBanana di Google Research per figure accademiche, diagrammi e visualizzazioni di ricerca automatizzate, estesa a nuovi domini come la generazione di slide.
GLM-4.6V/4.5V/4.1V-Pensiero: Verso il Ragionamento Multimodale Versatile con Apprendimento per Rinforzo Scalabile
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.
Il framework dell'agente LLM in ComfyUI include i nodi MCP server, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 e FLUX prompt, accesso a Feishu, discord e si adatta a tutti gli LLM con interfacce simili a openai / aisuite, come o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Adattato a LLM locali, VLM, gguf come llama-3.3 Janus-Pro, Linkage GraphRAG
Kit di strumenti di riproduzione protocollo end-to-end per abbonamento ChatGPT Plus/Team/Pro · Solutore visivo hCaptcha · Ricerca empirica sui meccanismi antifrode / Kit di strumenti di riproduzione protocollo end-to-end per abbonamento ChatGPT Plus/Team/Pro con solutore hCaptcha da zero e ricerca empirica antifrode
Motore di IA edge in C++ pronto per la produzione per l’analisi video e i VLM on-device su Sophon, Rockchip RKNN e x86, con orchestrazione visiva, OSD in tempo reale, eventi e benchmark riproducibili.
Una lista di lettura per la sicurezza, la protezione e la privacy dei modelli di grandi dimensioni (inclusi Awesome LLM Security, Safety, ecc.).
Awesome-Jailbreak-on-LLMs è una raccolta di metodi di jailbreak all'avanguardia, innovativi ed entusiasmanti per gli LLM. Contiene articoli, codici, set di dati, valutazioni e analisi.
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.
Un'implementazione open-source per l'affinamento della serie Qwen-VL di Alibaba Cloud.
OpenGUI è un framework di agenti GUI per Android destinato all'IA su smartphone, in grado di vedere, pianificare e utilizzare app mobili reali attraverso l'interfaccia grafica.
Toolkit di compressione dei modelli progettato per una maggiore usabilità, completezza ed efficienza.
Libreria di inferenza AI on-device per React Native, ad alte prestazioni e orientata alla privacy, basata sul runtime ExecuTorch di PyTorch
🚀🚀🚀 Una raccolta di alcuni fantastici progetti della serie YOLO per il rilevamento di oggetti pubblici e i relativi set di dati per il rilevamento di oggetti.
Ottimizzazione del design degli aeromobili resa rapida attraverso trasformazioni di grafi computazionali (ad es., differenziazione automatica). Strumenti di analisi componibili per aerodinamica, propulsione, strutture, progettazione di traiettorie e molto altro.
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.
JoyCaption è un modello linguistico visivo (VLM) per la didascalia delle immagini, costruito da zero come modello gratuito, aperto e non censurato affinché la community possa utilizzarlo nell'addestramento dei modelli di diffusione.
Piattaforma aperta di InternRobotics per la costruzione di modelli fondamentali di navigazione generalizzati.
Implementazione ufficiale di Gamer: un modello di base generalista visione-linguaggio-azione per agenti di gioco in tempo reale con orizzonti temporali lunghi
La collezione più completa, aggiornata continuamente e più popolare di oltre 100 abilità di distillazione di personalità sul web | Sistemi multi-agente | Tutte le categorie: celebrità/registi/leggende online/testi antichi/anime/luogo di lavoro/emozioni
Domande frequenti
Qual è il repository #vlm più popolare su GitHub?
Il progetto open source #vlm più alto in classifica su GitHub è huggingface/transformers, con 169,339 stelle. 🤗 Transformers: il framework di definizione dei modelli per modelli di machine learning all'avanguardia in testo, visione, audio e modelli multimodali, sia per l'inferenza che per l'addestramento.
Quali linguaggi di programmazione sono più utilizzati nei repository #vlm?
Tra i progetti #vlm più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, Go.
Come viene calcolata la classifica dei repository #vlm?
Monitoriamo 89 repository open source attivi contrassegnati con #vlm (500+ stelle), per un totale di 457,898 stelle e una media di 5,144 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.