Git Stars Git Stars

#vision-language-models リポジトリ

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
プログラミング言語: Python Jupyter Notebook HTML

リポジトリ合計86件

51
rai-opensource/vlfm

このリポジトリは、論文VLFM: Vision-Language Frontier Maps for Zero-Shot Semantic Navigation (ICRA 2024) に関連するコードを提供します。

rai-opensource
⭐ 834 Python 👤 rai-opensource Organization 🕐 更新日時 2025-11-12 📅 作成日 2023-07-04
52
taco-group/4KAgent

[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!

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 更新日時 2025-09-24 📅 作成日 2025-05-27
53
thu-ml/RDT2

RDT 2 の公式コード

thu-ml
⭐ 811 Python 👤 thu-ml Organization 🕐 更新日時 2026-02-07 📅 作成日 2025-09-19
54
mll-lab-nu/Awesome-Spatial-Intelligence-in-VLM

空間推論に関する論文リスト

mll-lab-nu
⭐ 803 👤 mll-lab-nu Organization 🕐 更新日時 2026-08-23 📅 作成日 2025-02-07
55
microsoft/RegionCLIP

"RegionCLIP: Region-based Language-Image Pretraining" の公式コード [CVPR 2022]

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 更新日時 2024-03-20 📅 作成日 2022-03-18
57
bryanswkim/Chain-of-Zoom

[NeurIPS'25 Spotlight] "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment" の公式リポジトリ

bryanswkim
⭐ 777 Python 👤 bryanswkim User 🕐 更新日時 2025-09-27 📅 作成日 2025-05-26
58
ModalMinds/MM-EUREKA

MM-EUREKA:ルールベース強化学習によるマルチモーダル推論のフロンティアを探る

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 更新日時 2025-09-07 📅 作成日 2025-03-07
59
zli12321/Vision-Language-Models-Overview

視覚-言語モデル論文の最前線コレクションとサーベイ、そしてモデルのGitHubリポジトリ。継続的に更新。

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 更新日時 2026-10-13 📅 作成日 2024-11-27
61
lupantech/ScienceQA

NeurIPS 2022論文「Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering」のデータとコード。

lupantech
⭐ 715 Python 👤 lupantech User 🕐 更新日時 2024-09-19 📅 作成日 2022-10-17
62
kerrj/lerf

LERF:言語埋め込み輝度場のためのコード

kerrj
⭐ 710 Python 👤 kerrj User 🕐 更新日時 2024-07-09 📅 作成日 2023-04-04
63
taokz/BiomedGPT

BiomedGPT:多様な生物医学タスクのための一般化されたビジョン・言語基盤モデル

taokz
⭐ 707 Python 👤 taokz User 🕐 更新日時 2025-07-08 📅 作成日 2023-05-11
65
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
66
xiaomi-mlab/Orion

[ICCV 2025] 「ORION: ビジョンと言語による指示に基づいたアクション生成によるホリスティックなエンドツーエンド自動運転フレームワーク」の公式コード

xiaomi-mlab
⭐ 674 Python 👤 xiaomi-mlab User 🕐 更新日時 2026-06-22 📅 作成日 2025-03-11
67
RyanWangZf/MedCLIP

EMNLP'22 | MedCLIP: ペアになっていない医療画像とテキストからの対照学習

RyanWangZf
⭐ 652 Python 👤 RyanWangZf User 🕐 更新日時 2024-04-12 📅 作成日 2022-02-19
68
run-llama/ParseBench

ParseBench - AIエージェント向け文書解析ベンチマーク

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-04-10
69
zqhang/AnomalyCLIP

AnomalyCLIP (ICLR 2024) の公式実装

zqhang
⭐ 648 Python 👤 zqhang User 🕐 更新日時 2025-07-08 📅 作成日 2023-10-19
70
PromtEngineer/localGPT-Vision

ビジョン言語モデルを使用してドキュメントとチャットします。このリポジトリは、ローカルおよびプロプライエタリな VLM を使用したエンドツーエンド RAG パイプラインを実装しています。

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 更新日時 2025-07-26 📅 作成日 2024-10-01
71
xiaomi-research/recogdrive

[ICLR 2026] ReCogDrive: エンドツーエンド自動運転のための強化学習認知フレームワーク

xiaomi-research
⭐ 632 Python 👤 xiaomi-research Organization 🕐 更新日時 2026-11-19 📅 作成日 2025-06-05
72
VectorSpaceLab/Video-XL

🔥🔥初の時間スケールビデオ理解モデル

VectorSpaceLab
⭐ 626 Python 👤 VectorSpaceLab Organization 🕐 更新日時 2025-07-14 📅 作成日 2024-09-20
73
Ucas-HaoranWei/Vary-toy

Vary-toy(小型言語モデルと強化視覚語彙の出会い)の公式コード実装

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 更新日時 2024-12-30 📅 作成日 2024-01-10
74
opendilab/awesome-multi-modal-reinforcement-learning

マルチモーダル強化学習リソースの厳選リスト(継続的に更新)

opendilab
⭐ 621 👤 opendilab Organization 🕐 更新日時 2026-05-30 📅 作成日 2022-09-01
75
thu-coai/Glyph

「Glyph: Visual-Text Compressionによるコンテキストウィンドウのスケーリング」の公式リポジトリ

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 更新日時 2025-11-04 📅 作成日 2025-10-20
76
levyflux/AViD

カスタムデータセットでのビジョン言語グラウンディングモデルのファインチューニングを可能にするフレームワーク

levyflux
⭐ 608 Python 👤 levyflux User 🕐 更新日時 2026-08-30 📅 作成日 2025-03-19
77
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
78
THUDM/INFTY

INFTY Engine: 継続的なAIをサポートする最適化ツールキット

THUDM
⭐ 578 Python 👤 THUDM Organization 🕐 更新日時 2026-09-01 📅 作成日 2025-09-11
81
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
82
mbzuai-oryx/XrayGPT

[BIONLP@ACL 2024] XrayGPT: 医療ビジョン言語モデルを使用した胸部X線写真の要約。

mbzuai-oryx
⭐ 526 Python 👤 mbzuai-oryx Organization 🕐 更新日時 2024-08-08 📅 作成日 2023-05-18
83
mll-lab-nu/VAGEN

マルチターンVLMエージェントのためのワールドモデル強化学習。視覚のための強化学習フレームワーク(NeurIPS 2025)。

mll-lab-nu
⭐ 525 Python 👤 mll-lab-nu Organization 🕐 更新日時 2026-10-29 📅 作成日 2025-03-04
84
luogen1996/LaVIN

「Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models」の公式実装 [NeurIPS 2023]

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 更新日時 2024-01-27 📅 作成日 2023-05-15
86
erwinmsmith/SOMAS

信頼できる人間-マルチエージェント強化学習インタラクションフレームワーク

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 更新日時 2026-10-04 📅 作成日 2025-05-13