Git Stars Git Stars

#video-understanding リポジトリ

#video-understandingのタグが付いた、GitHub上の51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114,089個で、プロジェクトあたりの平均は2,237個です。このトピックをリードしているのは、20,240個のスターを獲得しているQwenLM/Qwen3-VLです。

51
リポジトリ総数
114,089
合計スター数
2,237
リポジトリあたりの平均スター数

リポジトリ合計51件

1
QwenLM/Qwen3-VL

Qwen3-VLは、Alibaba CloudのQwenチームによって開発されたマルチモーダル大規模言語モデルシリーズです。

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 更新日時 2026-01-30 📅 作成日 2024-08-29
2
facebookresearch/SlowFast

PySlowFast: FAIRから提供される最先端ビデオモデル再現のためのビデオ理解コードベース。

facebookresearch
⭐ 7,447 Python 👤 facebookresearch Organization 🕐 更新日時 2026-03-16 📅 作成日 2019-08-20
3
LargeWorldModel/LWM

Large World Model -- 数百万のコンテキストを持つテキストとビデオのモデリング

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 更新日時 2024-10-19 📅 作成日 2024-02-08
4
open-mmlab/mmaction2

OpenMMLabの次世代ビデオ理解ツールボックスとベンチマーク

open-mmlab
⭐ 5,203 Python 👤 open-mmlab Organization 🕐 更新日時 2026-03-18 📅 作成日 2020-07-11
5
facebookresearch/vjepa2

VJEPA2ビデオからの自己教師あり学習のためのPyTorchコードとモデル。

facebookresearch
⭐ 4,911 Python 👤 facebookresearch Organization 🕐 更新日時 2026-10-29 📅 作成日 2025-04-25
7
EvolvingLMMs-Lab/lmms-eval

テキスト、画像、ビデオ、オーディオ タスクのための One-for-All マルチモーダル評価ツールキット

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-03-07
8
NVlabs/VILA

VILAは、エッジ、データセンター、クラウド全体にわたる多様なマルチモーダルAIタスクのための最先端のビジョン言語モデル(VLM)ファミリーです。

NVlabs
⭐ 3,873 Python 👤 NVlabs Organization 🕐 更新日時 2026-03-12 📅 作成日 2024-02-23
9
facebookresearch/pytorchvideo

ビデオ理解研究のためのディープラーニングライブラリ。

facebookresearch
⭐ 3,568 Python 👤 facebookresearch Organization 🕐 更新日時 2026-10-16 📅 作成日 2021-03-09
10
OpenGVLab/Ask-Anything

[CVPR2024 Highlight][VideoChatGPT] 動画理解能力を備えたChatGPT!miniGPT4、StableLM、MOSSなど、さらに多くのLMもサポートされています。

OpenGVLab
⭐ 3,361 Python 👤 OpenGVLab Organization 🕐 更新日時 2026-07-17 📅 作成日 2023-04-19
11
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Vid-LLMに関する最新の論文、コード、データセット。

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 更新日時 2026-11-11 📅 作成日 2023-07-16
12
google-research/kubric

インスタンスセグメンテーションマスク、深度マップ、オプティカルフローなどの豊富なアノテーションを備えた、半現実的な合成マルチオブジェクトビデオを作成するためのデータ生成パイプライン。

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 更新日時 2026-05-21 📅 作成日 2020-07-22
13
OpenGVLab/InternVideo

[ECCV2024] マルチモーダル理解のためのビデオ基礎モデルとデータ

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 更新日時 2026-07-02 📅 作成日 2022-11-23
14
facebookresearch/perception_models

最先端の画像・動画CLIP、マルチモーダル大規模言語モデルなど!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 更新日時 2026-04-13 📅 作成日 2025-04-16
15
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-思考:スケーラブルな強化学習による汎用的なマルチモーダル推論に向けて

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 更新日時 2026-11-06 📅 作成日 2025-06-28
16
mit-han-lab/temporal-shift-module

[ICCV 2019] TSM: 効率的なビデオ理解のためのテンポラルシフトモジュール

mit-han-lab
⭐ 2,167 Python 👤 mit-han-lab Organization 🕐 更新日時 2024-07-11 📅 作成日 2019-03-27
17
HKUDS/VideoAgent

[EMNLP2026]「VideoAgent:動画の理解・編集・リメイクのためのオールインワン・エージェントフレームワーク」

HKUDS
⭐ 2,059 Python 👤 HKUDS Organization 🕐 更新日時 2026-07-22 📅 作成日 2025-07-16
18
NVIDIA-AI-Blueprints/video-search-and-summarization

NVIDIA AI ビデオ検索・要約(VSS)ブループリントは、リアルタイム検証アラート、ビジュアルQ&A、自動レポート機能を備えたビデオ分析エージェントを構築するためのGPUアクセラレーション対応リファレンスアーキテクチャです。VSSブループリントは、NVIDIA Cosmosなどの視覚言語モデル(VLM)、NVIDIA NemotronなどのLLM、RAG、およびNVIDIA NIMを使用します。

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-10-22
⭐ 1,795 Python 👤 microsoft Organization 🕐 更新日時 2026-11-02 📅 作成日 2026-06-15
20
PaddlePaddle/PaddleVideo

PaddlePaddleベースの優れたビデオ理解ツールキット。ビデオデータアノテーションツール、軽量RGBおよび骨格ベースのアクション認識モデル、ビデオタグ付けおよびスポーツアクション検出のための実用的なアプリケーションをサポートします。

PaddlePaddle
⭐ 1,698 Python 👤 PaddlePaddle Organization 🕐 更新日時 2025-02-12 📅 作成日 2020-11-12
21
bytedance/SALMONN

SALMONNファミリー:高度なマルチモーダルLLMスイート

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 更新日時 2026-10-16 📅 作成日 2023-08-11
22
bytedance/Lance

画像および動画の理解、生成、編集のための、30億の有効パラメータを持つネイティブ統合型マルチモーダルモデル。

bytedance
⭐ 1,370 Python 👤 bytedance Organization 🕐 更新日時 2026-07-14 📅 作成日 2026-05-15
23
DAMO-NLP-SG/VideoLLaMA3

画像およびビデオ理解のためのフロンティアマルチモーダル基盤モデル

DAMO-NLP-SG
⭐ 1,174 Jupyter Notebook 👤 DAMO-NLP-SG Organization 🕐 更新日時 2025-08-14 📅 作成日 2025-01-19
24
TheShadow29/awesome-grounding

awesome grounding: 視覚 grounding に関する研究論文のキュレーションリスト

TheShadow29
⭐ 1,132 👤 TheShadow29 User 🕐 更新日時 2026-10-16 📅 作成日 2018-09-03
25
mit-han-lab/streaming-vlm

StreamingVLM:無限ビデオストリームのリアルタイム理解

mit-han-lab
⭐ 1,095 Python 👤 mit-han-lab Organization 🕐 更新日時 2025-10-15 📅 作成日 2025-10-11
26
OpenGVLab/VideoMamba

[ECCV2024] VideoMamba: 効率的なビデオ理解のための状態空間モデル

OpenGVLab
⭐ 1,052 Python 👤 OpenGVLab Organization 🕐 更新日時 2024-07-06 📅 作成日 2024-03-11
27
cuixing158/Awesome-CV-MasterHub

:fire: :fire: :fire: 最近のコンピュータビジョン(CV)の作品リスト

cuixing158
⭐ 986 👤 cuixing158 User 🕐 更新日時 2026-11-08 📅 作成日 2025-02-14
28
activitynet/ActivityNet

このリポジトリは、ActivityNet のツールとデモをホストするためのものです。

activitynet
⭐ 965 Jupyter Notebook 👤 activitynet Organization 🕐 更新日時 2024-03-21 📅 作成日 2015-10-23
29
PKU-YuanGroup/Chat-UniVi

【CVPR 2024 Highlight🔥】Chat-UniVi:統一されたビジュアル表現が大規模言語モデルに画像とビデオの理解能力を付与

PKU-YuanGroup
⭐ 943 Python 👤 PKU-YuanGroup Organization 🕐 更新日時 2024-10-16 📅 作成日 2023-11-13
30
Valen-Team/Valen

テキスト、画像、動画に対応した、0.8B~27Bのオープンなマルチモーダル意思決定モデル。テキストを生成する代わりに、独自の候補に確率を割り当てて判断し、バウンディングボックスで位置を特定します。無料API、ONNX、GGUF、vLLM、SGLangに対応。ファインチューニング用コードも付属。

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 更新日時 2026-11-15 📅 作成日 2026-09-23
31
tulerfeng/Video-R1

Video-R1: MLLMにおけるビデオ推論の強化 [🔥ビデオのためのR1を最初に探求した論文]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 更新日時 2025-12-14 📅 作成日 2025-02-22
32
DirtyHarryLYL/LLM-in-Vision

最近のLLMベースのCVおよび関連研究。コメント/貢献を歓迎します!

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 更新日時 2025-03-08 📅 作成日 2023-03-10
33
dvlab-research/LLaMA-VID

LLaMA-VID:大規模言語モデルでは、画像は2トークンに値します(ECCV 2024)

JIA-Lab-research
⭐ 854 Python 👤 JIA-Lab-research Organization 🕐 更新日時 2024-07-29 📅 作成日 2023-11-28
34
OpenMOSS/MOSS-VL

長時間の動画およびリアルタイム動画の理解に対応した、オープンウェイトの11Bモデルシリーズ

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 更新日時 2026-10-14 📅 作成日 2026-04-08
35
CodeGoat24/UnifiedReward

UnifiedRewardおよび[NeurIPS 2025] UnifiedReward-ThinkおよびUnifiedReward-Flexの公式実装

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 更新日時 2026-06-18 📅 作成日 2025-03-04
37
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
38
OpenGVLab/VideoMAEv2

[CVPR 2023] VideoMAE V2: デュアルマスキングによるビデオマスクドオートエンコーダーのスケーリング

OpenGVLab
⭐ 730 Python 👤 OpenGVLab Organization 🕐 更新日時 2024-10-08 📅 作成日 2023-04-04
39
showlab/videollm-online

VideoLLM-online: ストリーミングビデオのためのオンラインビデオ大規模言語モデル (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 更新日時 2025-11-26 📅 作成日 2024-06-17
40
magic-research/PLLaVA

論文PLLaVAの公式リポジトリ

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 更新日時 2024-07-28 📅 作成日 2024-04-18
41
bytedance/vidi

「Vidi: 動画理解と編集のための大規模マルチモーダルモデル」の公式リポジトリ

bytedance
⭐ 662 Python 👤 bytedance Organization 🕐 更新日時 2026-08-03 📅 作成日 2025-02-08
43
Vision-CAIR/MiniGPT4-video

長尺動画理解のためのGoldfishモデルおよび短尺動画理解のためのMiniGPT4-videoの公式コード

Vision-CAIR
⭐ 637 Python 👤 Vision-CAIR Organization 🕐 更新日時 2024-12-10 📅 作成日 2024-03-23
44
jy0205/LaVIT

LaVIT: 大規模言語モデルが視覚コンテンツを理解・生成できるようにする

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 更新日時 2024-10-06 📅 作成日 2023-09-09
45
oxbshw/watch-skill

AIエージェントに目と耳、そして検証可能な成果を。Watch Skillは動画、音声、画面上のアクティビティを、検索可能でタイムスタンプ付きの証拠に変換し、モデルの主観ではなく決定論的な契約によって作業を証明します。DeepWatchはDeepSeek Harnessを基盤とするエージェント向けワークスペースです。Python + npm、MCP、CLI、REST、Webに対応。

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 更新日時 2026-11-16 📅 作成日 2026-07-05
46
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
47
zhenyingfang/Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

時間的アクション検出 & 弱教師あり時間的アクション検出 & 時間的アクション提案生成

zhenyingfang
⭐ 597 👤 zhenyingfang User 🕐 更新日時 2026-11-20 📅 作成日 2020-03-09
48
gokayfem/ComfyUI_VLM_nodes

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。

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 更新日時 2026-08-08 📅 作成日 2024-01-24
49
SAOS-3624/dsh-video-storyboard

DeepSeek Harness向けのシーン認識型ストーリーボード:番号付きのコマ9~16個を、タイムスタンプ、文字起こし、音声エンベロープとともに1枚の画像にまとめます(384トークン)。ツールはvideo_storyboardとvideo_zoomの2つです。

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-26
50
AssafSinger94/dino-tracker

「DINO-Tracker: 単一ビデオにおける自己教師ありポイント追跡のためのDINOの飼いならし」(ECCV 2024)の公式Pytorch実装

AssafSinger94
⭐ 543 Python 👤 AssafSinger94 User 🕐 更新日時 2024-11-23 📅 作成日 2024-04-03

よくある質問

1

GitHubで最も人気のある#video-understanding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#video-understandingプロジェクトは、20,240個のスターを獲得しているQwenLM/Qwen3-VLです。Qwen3-VLは、Alibaba CloudのQwenチームによって開発されたマルチモーダル大規模言語モデルシリーズです。

2

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

3

#video-understanding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?

#video-understandingのタグが付いた51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114,089個で、リポジトリあたりの平均は2,237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。