Git Stars Git Stars

#vlm リポジトリ

89
リポジトリ総数
457,898
合計スター数
5,144
リポジトリあたりの平均スター数

リポジトリ合計89件

51
NVIDIA-NeMo/Automodel

🚀 Hugging Faceをすぐに利用できる、LLM/VLM向けPytorch分散ネイティブ学習ライブラリ

NVIDIA-NeMo
⭐ 1,096 Python 👤 NVIDIA-NeMo Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-05-21
52
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
53
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
54
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
55
candle-org/MindAct

MindSpore + 🤗Huggingface: Transformers/DiffusersモデルをMindSporeでシームレスな互換性と高速化を実現して実行します。

candle-org
⭐ 921 Python 👤 candle-org Organization 🕐 更新日時 2026-09-01 📅 作成日 2022-09-23
56
Skythinker616/gpt-assistant-android

【新機能:エージェントモード】Android全シーンGPTアシスタント、音量キーで呼び出して音声対話可能、ネット接続、写真撮影、テンプレート、添付ファイル解析、エージェントモードなどをサポート | Android向けGPTアシスタント、音量キー起動で音声インタラクション、ネット接続、写真撮影、テンプレート、PDF・Office文書解析、エージェントモード対応。

Skythinker616
⭐ 908 Java 👤 Skythinker616 User 🕐 更新日時 2026-05-05 📅 作成日 2023-09-13
57
PKU-YuanGroup/UniWorld

UniWorld: 統一された視覚的理解と生成のための高解像度セマンティックエンコーダー

PKU-YuanGroup
⭐ 896 Python 👤 PKU-YuanGroup Organization 🕐 更新日時 2025-12-23 📅 作成日 2024-11-21
58
OpenDCAI/OpenWorldLib

先進的なワールドモデル用の統一コードベース。

OpenDCAI
⭐ 892 Python 👤 OpenDCAI Organization 🕐 更新日時 2026-10-29 📅 作成日 2025-11-21
59
baidu-baige/LoongForge

NVIDIA GPUおよびKunlun XPU上で、LLM、VLM、拡散モデル、具現化モデルをトレーニングするための高性能フレームワークです。Pi0.5、GR00T-N1.7、FastWAM、Cosmos3、DreamZero、DeepSeek-V4、GLM-5.3、Kimi-K3などに対応しています。

baidu-baige
⭐ 881 Python 👤 baidu-baige Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-04-23
60
SkyworkAI/UniPic

オープンソース最先端マルチ画像編集モデル

SkyworkAI
⭐ 877 Python 👤 SkyworkAI Organization 🕐 更新日時 2026-07-13 📅 作成日 2025-07-27
61
Purewhiter/mobilegym

[EMNLP 2026] MobileGym: モバイル GUI エージェント研究のための検証可能かつ高度に並行化されたシミュレーションプラットフォーム · ブラウザ上で動作する Android シミュレータ · 検証可能な評価 · スケーラブルなオンライン強化学習(RL)トレーニング

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 更新日時 2026-11-16 📅 作成日 2026-05-14
62
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
63
OpenDataBox/awesome-data-llm

「LLM × DATA」サーベイ論文の公式リポジトリ

OpenDataBox
⭐ 836 👤 OpenDataBox Organization 🕐 更新日時 2026-10-25 📅 作成日 2024-08-04
64
zubair-irshad/Awesome-Robotics-3D

LLM/VLM、すなわち大規模モデルの時代におけるロボティクス分野に関連する3Dビジョン論文のキュレーションリスト。awesome-computer-visionに触発され、論文、コード、関連ウェブサイトを含む

zubair-irshad
⭐ 824 👤 zubair-irshad User 🕐 更新日時 2025-12-17 📅 作成日 2024-08-12
65
OpenVGLab/OmniLottie

[CVPR 2026🔥] 🧑‍🎨 OmniLottie、オープンソースの多モーダル指示付きベクトルアニメーション生成器で、Lottie JSON を生成します。

OpenVGLab
⭐ 816 Python 👤 OpenVGLab Organization 🕐 更新日時 2026-04-06 📅 作成日 2026-01-15
66
coderonion/awesome-llm-and-aigc

🚀🚀🚀大規模言語モデル(LLM)、ビジョン言語モデル(VLM)、ビジョン言語アクション(VLA)、AI生成コンテンツ(AIGC)に関する素晴らしい公開プロジェクトのコレクション、および関連するデータセットとアプリケーション。

coderonion
⭐ 810 👤 coderonion User 🕐 更新日時 2025-08-01 📅 作成日 2023-02-15
67
FluxVLA/FluxVLA

具身AIのためのオールインワンVLAエンジニアリングプラットフォーム — データから実機ロボットへのデプロイまで。

FluxVLA
⭐ 794 Python 👤 FluxVLA Organization 🕐 更新日時 2026-11-11 📅 作成日 2026-04-01
68
MigoXLab/dingo

Dingo: 網羅的なAIデータ、モデル、アプリケーション品質評価ツール

MigoXLab
⭐ 771 Python 👤 MigoXLab Organization 🕐 更新日時 2026-11-19 📅 作成日 2024-12-24
69
taco-group/SparkVSR

[ECCV 2026] SparkVSR: スパースキーフレーム伝播によるインタラクティブなビデオ超解像

taco-group
⭐ 752 Python 👤 taco-group Organization 🕐 更新日時 2026-08-03 📅 作成日 2026-03-16
70
TIGER-AI-Lab/VLM2Vec

このリポジトリには、「VLM2Vec / MMEB」[ICLR 2025]、「VLM2Vec-V2 / MMEB-V2」[TMLR 2026]、「MMEB-V3」[COLM 2026]のコードが含まれています。

TIGER-AI-Lab
⭐ 705 Python 👤 TIGER-AI-Lab Organization 🕐 更新日時 2026-10-23 📅 作成日 2024-10-07
71
hybridgroup/yzma

自分自身の知能で進もう——llama.cppを直接統合し、Linux、macOS、Windows、WebAssembly上でハードウェアアクセラレーションを利用したローカル推論を行うGoアプリケーションを開発しましょう。

hybridgroup
⭐ 677 Go 👤 hybridgroup Organization 🕐 更新日時 2026-11-19 📅 作成日 2025-09-21
72
mbzuai-oryx/GeoChat

[CVPR 2024 🔥] リモートセンシングのための初のグラウンド化された大規模ビジョン言語モデル、GeoChat

mbzuai-oryx
⭐ 675 Python 👤 mbzuai-oryx Organization 🕐 更新日時 2024-11-28 📅 作成日 2023-11-23
⭐ 650 👤 XiaomiMiMo Organization 🕐 更新日時 2026-10-29 📅 作成日 2025-05-29
74
zenstory-ai/video-recap-skills

AI動画ナレーションAgentスキルパック:シーンを自動編集し、映像を見てナレーション原稿を作成、音声収録とミキシングを行って完成動画を生成。Jianying/CapCut用の下書きとして書き出し可能、GPU不要|ナレーション付き動画要約とCapCut下書きのためのAgentスキル

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-05-02
75
huggingface/optimum-intel

🤗 Optimum Intel: Intel 最適化ツールで推論を高速化

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 更新日時 2026-11-21 📅 作成日 2022-05-25
76
RobotecAI/rai

RAIは、Physical AIロボティクス向けのベンダー非依存のエージェントフレームワークで、ROS 2ツールを使用して複雑なアクション、定義されたシナリオ、自由なインターフェース実行、ログ要約、音声インタラクションなどを提供します。

RobotecAI
⭐ 619 Python 👤 RobotecAI Organization 🕐 更新日時 2026-11-11 📅 作成日 2024-06-04
77
Fabric-Project/Fabric

Quartz Composerに着想を得たNodeクリエイティブコーディング / 3D / 画像処理ツール

Fabric-Project
⭐ 613 Swift 👤 Fabric-Project Organization 🕐 更新日時 2026-11-11 📅 作成日 2025-04-28
78
THUSI-Lab/GameScaling

ゲームにおけるスケーリング:多様な仮想世界での身体性エージェントの継続事前学習。重みはHugging Faceで公開。

THUSI-Lab
⭐ 604 Python 👤 THUSI-Lab Organization 🕐 更新日時 2026-11-19 📅 作成日 2026-10-10
79
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
80
awwaiid/ghostwriter

reMarkable2 を vision-LLMs (ChatGPT, Claude, Gemini) のインターフェースとして使用。機械の中の幽霊!

awwaiid
⭐ 573 Rust 👤 awwaiid User 🕐 更新日時 2026-11-12 📅 作成日 2024-10-06
81
Flame-Code-VLM/Flame-Code-VLM

Flameは、UIデザインモックアップを高品質なReactコードに変換するために設計されたオープンソースのマルチモーダルAIシステムです。ビジョン言語モデリング、自動化されたデータ合成、構造化されたトレーニングワークフローを活用し、デザインとフロントエンド開発の間のギャップを埋めます。

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 更新日時 2026-02-11 📅 作成日 2025-02-10
82
vlm-run/vlmrun-hub

VLMsで使用するための、さまざまな業界固有のスキーマのハブ。

vlm-run
⭐ 555 Python 👤 vlm-run Organization 🕐 更新日時 2025-12-15 📅 作成日 2024-11-11
83
OpenEnvision/Awesome-Multimodal-Modeling

素晴らしいマルチモーダルモデリング [MLLM、UMM、NMMを網羅]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 更新日時 2026-11-15 📅 作成日 2026-03-27
84
niuzaisheng/ScreenAgent

ScreenAgent: ビジュアル言語大規模モデル駆動型コンピュータ制御エージェント (IJCAI-24)

niuzaisheng
⭐ 547 Python 👤 niuzaisheng User 🕐 更新日時 2024-11-25 📅 作成日 2024-01-15
85
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
86
vulab-AI/Awesome-Spatial-VLMs

[Awesome-Spatial-VLMs] このリポジトリは、調査論文「Spatial Intelligence in Vision-Language Models: A Comprehensive Survey」のための公式かつコミュニティによって管理されているリソースです。

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 更新日時 2026-07-30 📅 作成日 2025-07-10
87
haoranD/Awesome-Embodied-AI

Embodied AIおよび関連研究/業界主導のリソースに関する優れた論文の厳選リストです。

haoranD
⭐ 525 👤 haoranD User 🕐 更新日時 2025-06-03 📅 作成日 2023-07-21
88
coderonion/awesome-cuda-and-hpc

🚀🚀🚀 このリポジトリは、CUDA、cuda-python、cuBLAS、cuDNN、CUTLASS、TensorRT、TensorRT-LLM、Triton、TVM、MLIR、PTX、およびハイパフォーマンスコンピューティング (HPC) に関する素晴らしい公開プロジェクトをリストアップしています。

coderonion
⭐ 502 👤 coderonion User 🕐 更新日時 2025-08-02 📅 作成日 2023-02-23
89
NVlabs/vla0

VLA-0:一切変更なしで最先端のVLAを構築

NVlabs
⭐ 501 Python 👤 NVlabs Organization 🕐 更新日時 2026-02-21 📅 作成日 2025-10-14