Git Stars Git Stars

#multimodal-large-language-models リポジトリ

#multimodal-large-language-modelsのタグが付いた、GitHub上の43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78,032個で、プロジェクトあたりの平均は1,814個です。このトピックをリードしているのは、18,090個のスターを獲得しているBradyFU/Awesome-Multimodal-Large-Language-Modelsです。

43
リポジトリ総数
78,032
合計スター数
1,814
リポジトリあたりの平均スター数

リポジトリ合計43件

1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:マルチモーダル大規模言語モデルにおける最新の進歩

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 更新日時 2026-10-29 📅 作成日 2023-05-19
2
X-PLUG/MobileAgent

Mobile-Agent: 強力なGUIエージェントファミリー

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 更新日時 2026-11-03 📅 作成日 2024-01-26
3
joanrod/star-vector

StarVectorは、ベクトル化をコード生成タスクに変換するSVG生成のための基盤モデルです。ビジョン言語モデリングアーキテクチャを使用して、StarVectorは視覚的およびテキストの両方の入力を処理し、驚くべき精度で高品質のSVGコードを生成します。

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 更新日時 2025-11-07 📅 作成日 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omniは、Llama-3.1-8B-Instructを基盤とした低遅延・高品質なエンドツーエンド音声対話モデルであり、GPT-4oレベルの音声能力の実現を目指しています。

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 更新日時 2025-05-19 📅 作成日 2024-09-10
5
sherlockchou86/VideoPipe

CVモデルとmLLMに基づくクロスプラットフォームのビデオ構造化(ビデオ分析)フレームワーク。

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 更新日時 2026-02-25 📅 作成日 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5: GPT-4oレベルのリアルタイム視覚・音声インタラクションへ

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 更新日時 2025-03-28 📅 作成日 2024-08-10
7
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl:ドキュメント理解のためのモジュール化されたマルチモーダル大規模言語モデル

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 更新日時 2025-05-30 📅 作成日 2023-07-04
8
cambrian-mllm/cambrian

Cambrian-1は、ビジョン中心の設計を持つマルチモーダルLLMファミリーです。

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 更新日時 2025-11-07 📅 作成日 2024-06-17
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] テキストから画像への拡散をマスターする:マルチモーダルLLM(RPG)による再キャプション、計画、生成

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 更新日時 2025-02-01 📅 作成日 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VLは、汎用的なマルチモーダル理解と推論を推進するために設計されたビジョン言語基盤モデルであり、60の公開ベンチマークのうち38で最先端のパフォーマンスを達成しています。

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 更新日時 2025-06-14 📅 作成日 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] これはMLLMにR1風のRLを効果的に利用する方法を探求し、Vision‑R1を導入した最初の論文であり、Vision‑R1はコールドスタート初期化とRLトレーニングを活用して推論能力を促進する推論MLLMです。

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 更新日時 2026-03-20 📅 作成日 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

open-r1へのマルチモーダルモデルトレーニングの追加のためのフォーク

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 更新日時 2025-02-08 📅 作成日 2025-01-27
13
ATH-MaaS/Ovis

視覚的およびテキスト的な埋め込みを構造的に整合するように設計された、新しいマルチモーダル大規模言語モデル(MLLM)アーキテクチャ。

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 更新日時 2026-07-15 📅 作成日 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

このリポジトリは、マルチモーダル分野の研究者にとって貴重な参考資料を提供します。RLベースの推論MLLMでの探求の旅を始めてください!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 更新日時 2026-09-29 📅 作成日 2025-02-21
15
Henry-23/VideoChat

リアルタイム音声インタラクティブデジタルヒューマンは、外見と音声をカスタマイズでき、声のクローン作成をサポートし、対話遅延は最短3秒です。

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 更新日時 2025-12-18 📅 作成日 2024-10-18
16
ATH-MaaS/Awesome-Unified-Multimodal-Models

素晴らしい統一マルチモーダルモデル

ATH-MaaS
⭐ 1,325 👤 ATH-MaaS Organization 🕐 更新日時 2026-03-24 📅 作成日 2025-05-07
17
NVIDIA/audio-flamingo

Audio Flamingo の PyTorch 実装:高度な音声理解言語モデルのシリーズ

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 更新日時 2025-12-15 📅 作成日 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

マルチモーダル大規模言語モデル、大規模言語モデル、拡散モデルに関する読書ノート

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 更新日時 2026-11-07 📅 作成日 2024-03-30
19
X-LANCE/SLAM-LLM

大規模言語モデルによる音声、言語、オーディオ、音楽処理のためのフレームワーク

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 更新日時 2026-01-15 📅 作成日 2023-10-23
20
BAAI-DCAI/Bunny

軽量なマルチモーダルモデルのファミリーです。

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 更新日時 2024-11-18 📅 作成日 2024-01-31
21
yaotingwangofficial/Awesome-MCoT

マルチモーダル思考連鎖推論:包括的な調査

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 更新日時 2026-10-03 📅 作成日 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

医用画像におけるマルチモーダル学習の応用に関するリソース集。

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 更新日時 2026-10-26 📅 作成日 2022-07-13
23
daixiangzi/Awesome-Token-Compress

VitおよびVLMのトークン圧縮に関する最近のいくつかの作業の論文リスト

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 更新日時 2026-11-13 📅 作成日 2024-09-06
24
EvolvingLMMs-Lab/NEO

NEOシリーズ:最初の原理に基づくネイティブな視覚言語モデル

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 更新日時 2026-11-11 📅 作成日 2025-10-16
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME: ビデオ分析におけるマルチモーダルLLMの史上初の包括的な評価ベンチマーク

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 更新日時 2025-12-08 📅 作成日 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus: スキルを接続して使用することを学習する大規模言語およびビジョンアシスタント

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 更新日時 2024-02-01 📅 作成日 2023-11-07
28
vision-x-nyu/thinking-in-space

VSI-Benchの公式リポジトリと評価実装

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 更新日時 2025-08-05 📅 作成日 2024-12-14
29
deepglint/unicom

大規模視覚表現モデル

deepglint
⭐ 704 Python 👤 deepglint Organization 🕐 更新日時 2025-12-08 📅 作成日 2023-02-15
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat: 濃密トークンから疎メモリへ、長尺動画理解のために

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 更新日時 2025-01-29 📅 作成日 2023-06-26
31
NVlabs/OmniVinci

OmniVinciは、視覚、音声、および言語の共同理解のためのオムニモーダルLLMです。

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 更新日時 2026-08-31 📅 作成日 2025-09-24
32
Coobiw/MPP-LLaVA

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。

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 更新日時 2025-03-10 📅 作成日 2023-10-24
33
FoundationVision/Liquid

(IJCV採択)Liquid:言語モデルはスケーラブルで統合されたマルチモーダルジェネレーターです

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 更新日時 2026-06-01 📅 作成日 2024-12-12
34
VITA-MLLM/Woodpecker

✨✨Woodpecker: マルチモーダル大規模言語モデルのための幻覚補正

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 更新日時 2024-12-23 📅 作成日 2023-09-26
35
lwpyh/Awesome-MLLM-Reasoning-Collection

マルチモーダル推論に関する論文、コード、データセット、ベンチマーク、およびリソースのコレクション。

lwpyh
⭐ 598 👤 lwpyh User 🕐 更新日時 2026-04-01 📅 作成日 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] 画像を超えて考える

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 更新日時 2025-09-23 📅 作成日 2025-08-17
37
SkyworkAI/Vitron

NeurIPS 2024論文:理解、生成、セグメンテーション、編集のための統一ピクセルレベルビジョンLLM

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 更新日時 2024-10-20 📅 作成日 2024-03-18
38
ictnlp/LLaVA-Mini

LLaVA-Miniは、画像、高解像度画像、ビデオを効率的に理解できる、統合された大規模マルチモーダルモデル(LMM)です。

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 更新日時 2025-06-29 📅 作成日 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S:ビデオにおける空間超センシングへ

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 更新日時 2026-04-03 📅 作成日 2025-10-13
40
AILab-CVC/SEED-X

実世界におけるマルチモーダルモデル

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 更新日時 2025-02-24 📅 作成日 2024-03-30
41
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 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。

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 更新日時 2026-11-10 📅 作成日 2023-11-17
42
worldbench/awesome-vla-for-ad

🌐 自動運転のための視覚・言語・行動モデル:過去、現在、未来

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 更新日時 2026-11-14 📅 作成日 2025-09-07
43
hustvl/EVF-SAM

「EVF-SAM: テキストプロンプト付きSegment Anything Modelのための早期視覚言語融合」の公式コード

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 更新日時 2025-03-17 📅 作成日 2024-06-12

よくある質問

1

GitHubで最も人気のある#multimodal-large-language-models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#multimodal-large-language-modelsプロジェクトは、18,090個のスターを獲得しているBradyFU/Awesome-Multimodal-Large-Language-Modelsです。:sparkles::sparkles:マルチモーダル大規模言語モデルにおける最新の進歩

2

#multimodal-large-language-models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#multimodal-large-language-modelsプロジェクトでは、Python, Jupyter Notebook, HTML, C++が最も一般的なプログラミング言語です。

3

#multimodal-large-language-models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?

#multimodal-large-language-modelsのタグが付いた43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78,032個で、リポジトリあたりの平均は1,814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。