Git Stars Git Stars

#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。

86
リポジトリ総数
198,329
合計スター数
2,306
リポジトリあたりの平均スター数

リポジトリ合計86件

1
Vision-CAIR/MiniGPT-4

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-CAIR
⭐ 25,770 Python 👤 Vision-CAIR Organization 🕐 更新日時 2024-09-02 📅 作成日 2023-04-15
2
deepseek-ai/DeepSeek-OCR

光学圧縮コンテキスト

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 更新日時 2026-01-27 📅 作成日 2025-10-17
3
allenai/olmocr

LLMデータセット/トレーニングのためのPDF線形化ツールキット

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 更新日時 2026-03-25 📅 作成日 2024-09-17
4
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - 汎用ロボットのための基礎モデル。

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 更新日時 2026-11-17 📅 作成日 2025-03-11
5
apple-aiml-research/ml-fastvlm

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。

apple-aiml-research
⭐ 7,445 Python 👤 apple-aiml-research Organization 🕐 更新日時 2026-09-11 📅 作成日 2025-05-01
6
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
7
google/gemma.cpp

GoogleのGemmaモデル用の軽量スタンドアロンC++推論エンジン。

google
⭐ 7,089 C++ 👤 google Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-02-13
8
huggingface/nanoVLM

小型VLMのトレーニング/ファインチューニングのための、最もシンプルで最速のリポジトリ。

huggingface
⭐ 5,063 Python 👤 huggingface Organization 🕐 更新日時 2025-10-27 📅 作成日 2025-05-02
9
lumina-ai-inc/chunkr

複雑なドキュメントをLLM対応データに変換するビジョンインフラストラクチャ

lumina-ai-inc
⭐ 4,154 Rust 👤 lumina-ai-inc Organization 🕐 更新日時 2026-09-09 📅 作成日 2024-08-24
10
StarsfieldAI/R1-V

3ドル未満でVLMの「アハ」の瞬間を目撃してください。

StarsfieldAI
⭐ 4,058 Python 👤 StarsfieldAI Organization 🕐 更新日時 2025-05-19 📅 作成日 2025-02-02
11
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
12
jonyzhang2023/awesome-embodied-vla-va-vln

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。

jonyzhang2023
⭐ 3,634 👤 jonyzhang2023 User 🕐 更新日時 2026-09-15 📅 作成日 2025-01-16
13
OmniSVG/OmniSVG

[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。

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 更新日時 2026-03-01 📅 作成日 2025-04-07
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
16
opendatalab/OmniDocBench

[CVPR 2025] ドキュメント解析と評価のための包括的なベンチマーク

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 更新日時 2026-11-12 📅 作成日 2024-10-14
17
PKU-YuanGroup/LLaVA-CoT

[ICCV 2025] LLaVA-CoT、自発的かつ体系的な推論が可能なビジュアル言語モデル

PKU-YuanGroup
⭐ 2,129 Python 👤 PKU-YuanGroup Organization 🕐 更新日時 2025-12-12 📅 作成日 2024-11-17
18
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5:軽量OCR VLMをより高速かつ優れたものに

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-09-24 📅 作成日 2025-11-18
19
chn-lee-yumi/MaterialSearch

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。

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 更新日時 2026-09-21 📅 作成日 2023-03-16
21
gpt-omni/mini-omni2

ビジョン、音声、デュプレックス機能を備えたオープンソースGPT-4oに向けて

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 更新日時 2025-01-16 📅 作成日 2024-10-14
22
facebookresearch/MetaCLIP

NeurIPS 2025 Spotlight; ICLR2024 Spotlight; CVPR 2024; EMNLP 2024

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 更新日時 2026-08-11 📅 作成日 2023-09-28
23
kijai/ComfyUI-Florence2

推論 Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 更新日時 2026-05-06 📅 作成日 2024-06-19
24
baaivision/Emu3.5

ネイティブマルチモーダルモデルは世界の学習者である

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 更新日時 2025-12-30 📅 作成日 2025-10-29
25
tjmlabs/ColiVara

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。

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 更新日時 2026-07-08 📅 作成日 2024-09-21
27
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
28
rmokady/CLIP_prefix_caption

シンプルな画像キャプションモデル

rmokady
⭐ 1,407 Jupyter Notebook 👤 rmokady User 🕐 更新日時 2024-06-09 📅 作成日 2021-09-16
29
SakanaAI/evolutionary-model-merge

モデルマージレシピの進化的最適化の公式リポジトリ

SakanaAI
⭐ 1,394 Python 👤 SakanaAI Organization 🕐 更新日時 2024-11-29 📅 作成日 2024-03-05
30
gokayfem/awesome-vlm-architectures

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。

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 更新日時 2026-10-27 📅 作成日 2024-02-15
31
Computer-Vision-in-the-Wild/CVinW_Readings

「野外コンピュータービジョン(CVinW)」をテーマにした論文集

Computer-Vision-in-the-Wild
⭐ 1,349 👤 Computer-Vision-in-the-Wild Organization 🕐 更新日時 2024-03-14 📅 作成日 2022-09-28
32
X-Square-Robot/wall-x

具現化された基礎モデルに基づく汎用ロボットの構築

X-Square-Robot
⭐ 1,337 Python 👤 X-Square-Robot Organization 🕐 更新日時 2026-09-18 📅 作成日 2025-09-04
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 更新日時 2025-11-20 📅 作成日 2025-03-15
35
aiming-lab/Agent0

[ICML'26 & COLM'26] Agent0シリーズ:ゼロデータから自己進化するエージェント

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 更新日時 2026-07-10 📅 作成日 2025-10-20
37
reacher-z/Awesome-CUA

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。

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-16
38
nvidia-cosmos/cosmos-reason1

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。

nvidia-cosmos
⭐ 965 Python 👤 nvidia-cosmos Organization 🕐 更新日時 2026-06-07 📅 作成日 2025-03-02
39
huangwl18/ReKep

ReKep:ロボット操作のための関係キーポイント制約の時空間的推論

huangwl18
⭐ 950 Python 👤 huangwl18 User 🕐 更新日時 2025-02-20 📅 作成日 2024-08-29
40
mst272/LLM-Dojo

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👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 更新日時 2026-03-08 📅 作成日 2024-01-23
41
Qinying-Liu/Awesome-Open-Vocabulary-Semantic-Segmentation

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..

Qinying-Liu
⭐ 910 👤 Qinying-Liu User 🕐 更新日時 2026-05-20 📅 作成日 2023-09-28
42
TRI-ML/prismatic-vlms

視覚条件付き言語モデル(VLM)のトレーニングのための柔軟で効率的なコードベース

TRI-ML
⭐ 894 Python 👤 TRI-ML Organization 🕐 更新日時 2024-07-04 📅 作成日 2024-02-13
43
LYL1015/JarvisArt

[NeurIPS' 2025] JarvisArt: 知的な写真レタッチエージェントによる人間の芸術的創造性の解放

LYL1015
⭐ 880 Python 👤 LYL1015 User 🕐 更新日時 2026-04-04 📅 作成日 2025-06-24
44
beichenzbc/Long-CLIP

"Long-CLIP: CLIPの長文能力を解き放す" の公式コード [ECCV 2024]

beichenzbc
⭐ 879 Python 👤 beichenzbc User 🕐 更新日時 2024-08-13 📅 作成日 2024-03-20
45
InternLM/Intern-S1

科学的マルチモーダル基盤モデル

InternLM
⭐ 876 👤 InternLM Organization 🕐 更新日時 2026-09-13 📅 作成日 2025-07-25
46
RiseInRose/MiniGPT-4-ZH

MiniGPT-4 中国語展開 翻訳 展開詳細の改善

RiseInRose
⭐ 859 Python 👤 RiseInRose User 🕐 更新日時 2026-05-09 📅 作成日 2023-04-19
48
allenai/molmo

Molmo ビジョン・言語モデルのコード

allenai
⭐ 851 Python 👤 allenai Organization 🕐 更新日時 2024-12-12 📅 作成日 2024-12-05
49
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
50
showlab/Awesome-Unified-Multimodal-Models

📖 統合されたマルチモーダルモデルに関連する論文、コード、その他のリソースを整理するためのリポジトリです。

showlab
⭐ 834 👤 showlab Organization 🕐 更新日時 2025-10-10 📅 作成日 2024-08-27

よくある質問

1

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/)

2

#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。

3

#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。