#vision-language-models リポジトリ
#vision-language-modelsのタグが付いた、GitHub上の86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198,329個で、プロジェクトあたりの平均は2,306個です。このトピックをリードしているのは、25,770個のスターを獲得しているVision-CAIR/MiniGPT-4です。
リポジトリ合計86件
MiniGPT-4およびMiniGPT-v2のオープンソースコード (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
このリポジトリには、「FastVLM: Efficient Vision Encoding for Vision Language Models」- CVPR 2025 の公式実装が含まれています。
ビジョン・言語・アクション(VLA)モデル、ビジョン・言語ナビゲーション(VLN)、および関連するマルチモーダル学習アプローチに焦点を当てた、具現化されたAIにおける最先端の研究をキュレーションしたリスト。
[NeurIPS 2025] OmniSVGは、事前学習済みのビジョン・言語モデル(VLM)を活用した、初めてのエンドツーエンドのマルチモーダルSVG生成器ファミリーであり、シンプルなアイコンから複雑なアニメキャラクターまで、複雑で詳細なSVGを生成することができます。
セマンティック検索。自然言語でローカルの写真や動画を検索します。AIセマンティック検索ローカル素材。画像検索、ローカル素材の検索、テキスト説明によるシーンのマッチング、ビデオフレーム検索、シーン説明によるビデオ検索。
Colivaraは、視覚的な埋め込みに基づいてドキュメントを保存、検索、取得できる一連のサービスです。ColiVaraは、テキストドキュメントとビジュアルドキュメントの両方で最先端の検索パフォーマンスを発揮します。ドキュメントのチャンキングやテキスト処理の代わりにビジョンモデルを使用します。OCRなし、テキスト抽出なし、破損したテーブルや欠落した画像なし。
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!
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。
コンピューター操作エージェントに関する、出典に基づくオープンカタログ:精査済み論文、GUIモデル、データセット、ベンチマーク、ツール、再利用可能なJSONL/SQLiteデータ。
Cosmos-Reason1 モデルは、物理的な常識を理解し、長鎖の思考推論プロセスを通じて、自然言語で適切な具現化された決定を生成します。
軽量級 LLM ポストトレーニングフレームワーク。SFT、RLVR、On-Policy KD、Guide KD、混合トレーニングをサポート;単輪/多輪 Guide 蒸留、多教師蒸留、Reward 混合トレーニング、自動データ分流を実現👩🎓👨🎓
オープンボキャブラリー意味セグメンテーションおよび関連分野(例:ゼロショット意味セグメンテーション)のリソースに関するキュレーションされた公開リストです..
よくある質問
GitHubで最も人気のある#vision-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#vision-language-modelsプロジェクトは、25,770個のスターを獲得しているVision-CAIR/MiniGPT-4です。MiniGPT-4およびMiniGPT-v2のオープンソースコード (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
#vision-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#vision-language-modelsプロジェクトでは、Python, Jupyter Notebook, C++, Rustが最も一般的なプログラミング言語です。
#vision-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?
#vision-language-modelsのタグが付いた86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198,329個で、リポジトリあたりの平均は2,306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。