#mllm リポジトリ
#mllmのタグが付いた、GitHub上の39件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は95,941個で、プロジェクトあたりの平均は2,460個です。このトピックをリードしているのは、22,247個のスターを獲得しているmicrosoft/unilmです。
リポジトリ合計39件
[NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
InternLM-XComposer2.5-OmniLive:長期ストリーミングビデオおよびオーディオインタラクションのための包括的なマルチモーダルシステム
🚀🚀🚀 いくつかの素晴らしい公開YOLOオブジェクト検出シリーズプロジェクトと関連するオブジェクト検出データセットのコレクション。
Pixel-LLM コードベースの公式リポジトリ: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (LSVOS 第1位ソリューション)
200種類以上の視覚言語モデル(VLM/MLLM)アーキテクチャを厳選したビジュアルカタログ。論文、図解、学習レシピ、データセットに加え、マルチモーダルAIエージェントのリリース年表を掲載。
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. どんな画像でも魔法のように完璧な4K超解像度にするインテリジェントなコンピュータビジョンエージェント!
🚀🚀🚀大規模言語モデル(LLM)、ビジョン言語モデル(VLM)、ビジョン言語アクション(VLA)、AI生成コンテンツ(AIGC)に関する素晴らしい公開プロジェクトのコレクション、および関連するデータセットとアプリケーション。
個人プロジェクト:MPP-Qwen14B & MPP-Qwen-Next(Qwen-LMに基づいたマルチモーダルパイプライン並列)。[video/image/multi-image] {sft/conversations}をサポート。[eng]「貧困に想像力を制限させるな!」RTX3090/4090 24GBで独自のLLaVAトレーニング風8B/14B MLLMをトレーニング。
ビジョン言語モデル用ComfyUIノード:Qwen3-VL、Moondream 3、Florence-2、SmolVLM2、InternVL、Gemma 3、MiniCPM-V。さらに、オープンボキャブラリー検出、SAM2/SAM3セグメンテーション、動画の時間的推論、llama.cpp経由のGGUF、およびホスト型LLM/VLM APIに対応。
🔥🔥🔥 LLMベースのマルチモーダル生成(画像、ビデオ、3D、オーディオ)に関する厳選された論文リスト。
CandleとRustを基盤とする、LLM、VLM、VLA、TTS、OCR向けの純粋なRust製推論エンジン。llama.cppに代わる、よりシンプルで洗練された選択肢です。
[Awesome-Spatial-VLMs] このリポジトリは、調査論文「Spatial Intelligence in Vision-Language Models: A Comprehensive Survey」のための公式かつコミュニティによって管理されているリソースです。
よくある質問
GitHubで最も人気のある#mllmリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#mllmプロジェクトは、22,247個のスターを獲得しているmicrosoft/unilmです。タスク、言語、モダリティ間の大規模自己教師あり事前学習
#mllmリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#mllmプロジェクトでは、Python, Jupyter Notebook, Markdown, JavaScriptが最も一般的なプログラミング言語です。
#mllmリポジトリのランキングはどのように算出されていますか?
#mllmのタグが付いた39件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は95,941個で、リポジトリあたりの平均は2,460個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。