Git Stars Git Stars

#vision-language-model 저장소

82
총 리포지토리
263,383
총 별점
3,211
리포지토리당 평균 스타 수

저장소 총 82개

51
Anionex/dsh-vision-toolkit

[dsh] 텍스트 전용 모델을 위해 설계된 더욱 강력한 비주얼 툴킷: 한 줄로 설치 및 사용, 이미지를 붙여 넣어 바로 인식, 여러 이미지 질의응답, 스크린샷을 프런트엔드 UI로 복원하는 기능 등|agent-vision-toolkit을 위한 DeepSeek Harness 네이티브 통합: 이미지 Q&A, 긴 스크린샷 OCR, UI 복원, 그라운딩, 픽셀 차이 비교, Artifacts 및 Web UI.

Anionex
⭐ 949 TypeScript 👤 Anionex User 🕐 업데이트됨 2026-11-21 📅 생성됨 2026-08-13
52
PKU-YuanGroup/Chat-UniVi

[CVPR 2024 Highlight🔥] Chat-UniVi: 통합 시각 표현으로 대규모 언어 모델의 이미지 및 비디오 이해 능력 강화

PKU-YuanGroup
⭐ 943 Python 👤 PKU-YuanGroup Organization 🕐 업데이트됨 2024-10-16 📅 생성됨 2023-11-13
53
Valen-Team/Valen

텍스트, 이미지, 동영상을 지원하는 0.8B~27B 규모의 오픈 멀티모달 의사결정 모델입니다. 텍스트를 생성하는 대신 자체 후보에 확률을 부여해 판단하고, 바운딩 박스로 위치를 찾습니다. 무료 API, ONNX, GGUF, vLLM, SGLang을 지원하며 파인튜닝 코드도 포함되어 있습니다.

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 업데이트됨 2026-11-15 📅 생성됨 2026-09-23
54
facebookresearch/ShapeR

ShapeR 연구 논문용 코드

facebookresearch
⭐ 904 Python 👤 facebookresearch Organization 🕐 업데이트됨 2026-04-30 📅 생성됨 2026-01-14
55
SkalskiP/top-cvpr-2025-papers

정보 이 리포지토리는 가장 흥미롭고 영향력 있는 CVPR 2025 논문의 큐레이션된 모음입니다. 🔥 [Paper + Code + Demo]

SkalskiP
⭐ 899 Python 👤 SkalskiP User 🕐 업데이트됨 2026-04-15 📅 생성됨 2025-05-31
56
xlang-ai/OpenCUA

[NeurIPS 2025 Spotlight] OpenCUA: 컴퓨터 사용 에이전트를 위한 오픈 기반

xlang-ai
⭐ 877 Python 👤 xlang-ai Organization 🕐 업데이트됨 2026-05-25 📅 생성됨 2025-06-21
57
SunzeY/AlphaCLIP

[CVPR 2024] Alpha-CLIP: 원하는 모든 곳에 집중하는 CLIP 모델

SunzeY
⭐ 876 Jupyter Notebook 👤 SunzeY User 🕐 업데이트됨 2025-07-20 📅 생성됨 2023-11-27
59
OpenMOSS/MOSS-VL

장편 및 실시간 동영상 이해를 위한 오픈 웨이트 11B 모델 시리즈

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 업데이트됨 2026-10-14 📅 생성됨 2026-04-08
60
mlfoundations/MINT-1T

🍃 MINT-1T: 1조 토큰 규모의 멀티모달 인터리브 데이터셋.

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 업데이트됨 2024-07-31 📅 생성됨 2024-06-16
61
zubair-irshad/Awesome-Robotics-3D

LLM/VLM 시대의 대형 모델을 활용한 로보틱스 분야 3D 비전 관련 논문 목록, awesome-computer-vision에서 영감을 받았으며 논문, 코드 및 관련 웹사이트 포함

zubair-irshad
⭐ 824 👤 zubair-irshad User 🕐 업데이트됨 2025-12-17 📅 생성됨 2024-08-12
62
huangwl18/VoxPoser

VoxPoser: 언어 모델을 사용한 로봇 조작을 위한 합성 가능 3D 가치 맵

huangwl18
⭐ 806 Python 👤 huangwl18 User 🕐 업데이트됨 2025-02-20 📅 생성됨 2023-11-02
63
zhengli97/Awesome-Prompt-Adapter-Learning-for-VLMs-CLIP

CLIP과 같은 Vision-Language 모델을 위한 큐레이트된 멋진 프롬프트/어댑터 학습 방법 목록입니다.

zhengli97
⭐ 802 👤 zhengli97 User 🕐 업데이트됨 2026-07-17 📅 생성됨 2024-03-15
64
2toinf/X-VLA

[ICLR 2026] "Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model"의 공식 구현

2toinf
⭐ 762 C++ 👤 2toinf User 🕐 업데이트됨 2026-10-20 📅 생성됨 2025-09-25
65
magicrew/doc7

시각적 이해를 통해 문서를 AI 준비가 완료된 마크다운으로 변환

magicrew
⭐ 719 Go 👤 magicrew Organization 🕐 업데이트됨 2026-08-07 📅 생성됨 2026-08-02
66
NVlabs/OmniVinci

OmniVinci는 시각, 오디오 및 언어의 공동 이해를 위한 전방위 모달 LLM입니다.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 업데이트됨 2026-08-31 📅 생성됨 2025-09-24
67
wanshuiyin/ARIS-in-AI-Offer

AI 가을 채용을 위한 중·영 이중 언어 ML / LLM / diffusion / agent 면접 치트시트 — ARIS /interview-cheatsheet로 생성하고 /render-html로 어디서나 읽을 수 있는 단일 파일 HTML로 렌더링 — CV→DBLP 대조로 사실 확인한 학술 홈페이지 생성기와 직접 작성한 장문 블로그도 제공 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 업데이트됨 2026-11-18 📅 생성됨 2026-05-19
⭐ 650 👤 XiaomiMiMo Organization 🕐 업데이트됨 2026-10-29 📅 생성됨 2025-05-29
⭐ 647 Python 👤 Visual-Agent Organization 🕐 업데이트됨 2026-02-26 📅 생성됨 2025-10-31
70
NJU-3DV/SpatialVID

[CVPR 2026] SpatialVID: 공간 주석이 포함된 대규모 비디오 데이터셋

NJU-3DV
⭐ 614 Python 👤 NJU-3DV Organization 🕐 업데이트됨 2026-04-22 📅 생성됨 2025-09-10
71
LAMDA-CL/LAMDA-PILOT

🎉 PILOT: 사전 훈련된 모델 기반 지속 학습 툴박스

LAMDA-CL
⭐ 614 Python 👤 LAMDA-CL Organization 🕐 업데이트됨 2026-01-29 📅 생성됨 2023-08-30
72
linzhiqiu/t2v_metrics

VQAScore를 사용한 텍스트-이미지/비디오/3D 모델 평가

linzhiqiu
⭐ 607 Python 👤 linzhiqiu User 🕐 업데이트됨 2026-06-05 📅 생성됨 2023-12-16
73
IuvenisSapiens/ComfyUI_Qwen3-VL-Instruct

Qwen3-VL-Instruct 시리즈를 ComfyUI 플랫폼에 성공적으로 통합함으로써 부드러운 운영이 가능해졌으며, (하지만 이에 국한되지 않는) 텍스트 기반 질의, 비디오 질의, 단일 이미지 질의, 그리고 다중 이미지 질의에 대한 지원을 제공하여 캡션 또는 응답을 생성합니다.

IuvenisSapiens
⭐ 587 Python 👤 IuvenisSapiens User 🕐 업데이트됨 2025-10-23 📅 생성됨 2024-08-31
74
FoundationVision/Groma

[ECCV2024] 지역화된 시각적 토큰화를 갖춘 기반 다중모달 대형 언어 모델

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 업데이트됨 2024-06-07 📅 생성됨 2024-04-21
75
ictnlp/LLaVA-Mini

LLaVA-Mini는 이미지, 고해상도 이미지 및 비디오를 효율적으로 이해할 수 있는 통합된 대규모 멀티모달 모델(LMM)입니다.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 업데이트됨 2025-06-29 📅 생성됨 2025-01-07
76
cambrian-mllm/cambrian-s

Cambrian-S: 비디오에서의 공간 초감지로

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 업데이트됨 2026-04-03 📅 생성됨 2025-10-13
77
Flame-Code-VLM/Flame-Code-VLM

Flame은 UI 디자인 목업을 고품질 React 코드로 변환하도록 설계된 오픈 소스 멀티모달 AI 시스템입니다. 비전-언어 모델링, 자동화된 데이터 합성 및 구조화된 학습 워크플로를 활용하여 디자인과 프론트엔드 개발 간의 격차를 해소합니다.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 업데이트됨 2026-02-11 📅 생성됨 2025-02-10
78
OpenGVLab/Multi-Modality-Arena

챗봇 아레나가 멀티모달리티를 만납니다! 멀티모달리티 아레나를 사용하면 이미지를 입력으로 제공하면서 비전-언어 모델을 나란히 벤치마킹할 수 있습니다. MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 등을 지원합니다!

OpenGVLab
⭐ 553 Python 👤 OpenGVLab Organization 🕐 업데이트됨 2024-04-21 📅 생성됨 2023-05-10
79
Mengqi-Lei/count-anything

논문 ✨Counting Anything에 대한 코드 및 구현 지침. 프로젝트 페이지: https://mengqi-lei.github.io/count-anything-projectpage/

Mengqi-Lei
⭐ 545 Python 👤 Mengqi-Lei User 🕐 업데이트됨 2026-08-12 📅 생성됨 2026-05-18
80
vulab-AI/Awesome-Spatial-VLMs

[Awesome-Spatial-VLMs] 이 저장소는 설문 조사 논문인 '비전-언어 모델에서의 공간 지능: 포괄적인 설문 조사(Spatial Intelligence in Vision-Language Models: A Comprehensive Survey)'를 위한 공식 커뮤니티 관리 리소스입니다.

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 업데이트됨 2026-07-30 📅 생성됨 2025-07-10
81
mll-lab-nu/VAGEN

멀티턴 VLM 에이전트를 위한 월드 모델 강화학습. 비전을 위한 강화학습 프레임워크(NeurIPS 2025).

mll-lab-nu
⭐ 525 Python 👤 mll-lab-nu Organization 🕐 업데이트됨 2026-10-29 📅 생성됨 2025-03-04
82
Jiaaqiliu/Awesome-VLA-Robotics

로봇공학에서 Vision‑Language‑Action (VLA) 모델에 대한 우수한 연구 논문, 모델, 데이터 세트 및 기타 리소스의 종합 목록.

Jiaaqiliu
⭐ 505 👤 Jiaaqiliu User 🕐 업데이트됨 2026-10-19 📅 생성됨 2025-04-21