Git Stars Git Stars

#multimodal-large-language-models Repositórios

Descubra 43 repositórios ativos de código aberto no GitHub marcados com #multimodal-large-language-models, acumulando um total de 78,032 estrelas (uma média de 1,814 por projeto). O líder deste tópico é BradyFU/Awesome-Multimodal-Large-Language-Models, com 18,090 estrelas.

43
Total de Repositórios
78,032
Total de estrelas
1,814
Média de Estrelas/Repositório

43 repositórios no total

1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:Últimos Avanços em Grandes Modelos de Linguagem Multimodais

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 Atualizado 2026-10-29 📅 Criado 2023-05-19
2
X-PLUG/MobileAgent

Mobile-Agent: A Poderosa Família de Agentes GUI

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 Atualizado 2026-11-03 📅 Criado 2024-01-26
3
joanrod/star-vector

StarVector é um modelo de fundação para a geração de SVG que transforma a vetorização em uma tarefa de geração de código. Utilizando uma arquitetura de modelagem visão-linguagem, o StarVector processa tanto entradas visuais quanto textuais para produzir código SVG de alta qualidade com notável precisão.

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 Atualizado 2025-11-07 📅 Criado 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omni é um modelo de interação por voz ponta a ponta de baixa latência e alta qualidade, construído sobre o Llama-3.1-8B-Instruct, com o objetivo de alcançar capacidades de voz no nível do GPT-4o.

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 Atualizado 2025-05-19 📅 Criado 2024-09-10
5
sherlockchou86/VideoPipe

Um framework multiplataforma de estruturação de vídeo (análise de vídeo) baseado em modelos de CV e mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Atualizado 2026-02-25 📅 Criado 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5: Em direção à Interação de Visão e Fala em Tempo Real Nível GPT-4o

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 Atualizado 2025-03-28 📅 Criado 2024-08-10
7
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl: Modelo de Linguagem Grande Multimodal Modularizado para Compreensão de Documentos

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Atualizado 2025-05-30 📅 Criado 2023-07-04
8
cambrian-mllm/cambrian

Cambrian-1 é uma família de LLMs multimodais com um design centrado na visão.

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 Atualizado 2025-11-07 📅 Criado 2024-06-17
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] Dominando a Difusão Texto-para-Imagem: Recaptioning, Planejamento e Geração com LLMs Multimodais (RPG)

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 Atualizado 2025-02-01 📅 Criado 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VL, um modelo fundamental de visão e linguagem projetado para avançar a compreensão e o raciocínio multimodal de propósito geral, alcançando o estado da arte em 38 de 60 benchmarks públicos.

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 Atualizado 2025-06-14 📅 Criado 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] Este é o primeiro artigo a explorar como usar efetivamente RL semelhante a R1 para MLLMs e apresentar Vision‑R1, um MLLM de raciocínio que aproveita a inicialização em frio e o treinamento RL para incentivar a capacidade de raciocínio.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Atualizado 2026-03-20 📅 Criado 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

Um fork para adicionar treinamento de modelo multimodal ao open-r1

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 Atualizado 2025-02-08 📅 Criado 2025-01-27
13
ATH-MaaS/Ovis

Uma nova arquitetura de Modelo de Linguagem Grande Multimodal (MLLM), projetada para alinhar estruturalmente embeddings visuais e textuais.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Atualizado 2026-07-15 📅 Criado 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

Este repositório fornece referências valiosas para pesquisadores na área de multimodalidade, por favor, inicie sua jornada exploratória em RL-based Reasoning MLLMs!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 Atualizado 2026-09-29 📅 Criado 2025-02-21
15
Henry-23/VideoChat

Humano digital interativo de voz em tempo real, com aparência e voz personalizáveis, que suporta clonagem de voz e apresenta um atraso de diálogo de apenas 3s.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Atualizado 2025-12-18 📅 Criado 2024-10-18
17
NVIDIA/audio-flamingo

Implementação PyTorch do Audio Flamingo: Série de Modelos de Linguagem Avançados para Compreensão de Áudio

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 Atualizado 2025-12-15 📅 Criado 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

Notas de leitura sobre Modelos de Linguagem Grandes Multimodais, Modelos de Linguagem Grandes e Modelos de Difusão

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 Atualizado 2026-11-07 📅 Criado 2024-03-30
19
X-LANCE/SLAM-LLM

Uma Estrutura para Processamento de Fala, Linguagem, Áudio e Música com Modelo de Linguagem Grande

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 Atualizado 2026-01-15 📅 Criado 2023-10-23
20
BAAI-DCAI/Bunny

Uma família de modelos multimodais leves.

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 Atualizado 2024-11-18 📅 Criado 2024-01-31
21
yaotingwangofficial/Awesome-MCoT

Raciocínio em Cadeia de Pensamento Multimodal: Uma Pesquisa Abrangente

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 Atualizado 2026-10-03 📅 Criado 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

Uma coleção de recursos sobre aplicações de aprendizado multimodal em imagens médicas.

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 Atualizado 2026-10-26 📅 Criado 2022-07-13
23
daixiangzi/Awesome-Token-Compress

Uma lista de artigos sobre trabalhos recentes de Compressão de Tokens para Vit e VLM

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 Atualizado 2026-11-13 📅 Criado 2024-09-06
24
EvolvingLMMs-Lab/NEO

Série NEO: Modelos Nativos de Visão-Linguagem a Partir dos Primeiros Princípios

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 Atualizado 2026-11-11 📅 Criado 2025-10-16
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME: O Primeiro e Mais Abrangente Benchmark de Avaliação de LLMs Multimodais em Análise de Vídeo

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 Atualizado 2025-12-08 📅 Criado 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus: Assistentes de Linguagem e Visão de Grande Porte que Conectam e Aprendem a Usar Habilidades

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 Atualizado 2024-02-01 📅 Criado 2023-11-07
28
vision-x-nyu/thinking-in-space

Repositório oficial e implementação de avaliação do VSI-Bench

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 Atualizado 2025-08-05 📅 Criado 2024-12-14
29
deepglint/unicom

Modelo de Representação Visual em Larga Escala

deepglint
⭐ 704 Python 👤 deepglint Organization 🕐 Atualizado 2025-12-08 📅 Criado 2023-02-15
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat: De Token Denso a Memória Esparsa para Compreensão de Vídeo Longo

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Atualizado 2025-01-29 📅 Criado 2023-06-26
31
NVlabs/OmniVinci

OmniVinci é um LLM omnimodal para a compreensão conjunta de visão, áudio e linguagem.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 Atualizado 2026-08-31 📅 Criado 2025-09-24
32
Coobiw/MPP-LLaVA

Projeto Pessoal: MPP-Qwen14B & MPP-Qwen-Next (Pipeline Paralelo Multimodal baseado em Qwen-LM). Suporta [video/image/multi-image] {sft/conversations}. Não deixe a pobreza limitar sua imaginação! Treine seu próprio MLLM 8B/14B semelhante ao LLaVA-training na RTX3090/4090 24GB.

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 Atualizado 2025-03-10 📅 Criado 2023-10-24
33
FoundationVision/Liquid

(Aceito pela IJCV) Liquid: Modelos de Linguagem são Geradores Multimodais Escaláveis e Unificados

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 Atualizado 2026-06-01 📅 Criado 2024-12-12
34
VITA-MLLM/Woodpecker

✨✨Pica-pau: Correção de Alucinação para Modelos de Linguagem Grandes Multimodais

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 Atualizado 2024-12-23 📅 Criado 2023-09-26
35
lwpyh/Awesome-MLLM-Reasoning-Collection

Uma coleção de artigos, códigos, conjuntos de dados, benchmarks e recursos de raciocínio multimodal.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Atualizado 2026-04-01 📅 Criado 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] Pense além das imagens

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 Atualizado 2025-09-23 📅 Criado 2025-08-17
37
SkyworkAI/Vitron

Artigo da NeurIPS 2024: Um LLM de Visão Unificado a Nível de Pixel para Compreensão, Geração, Segmentação e Edição

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 Atualizado 2024-10-20 📅 Criado 2024-03-18
38
ictnlp/LLaVA-Mini

LLaVA-Mini é um modelo multimodal grande unificado (LMM) que pode suportar a compreensão de imagens, imagens de alta resolução e vídeos de forma eficiente.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Atualizado 2025-06-29 📅 Criado 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S: Rumo à Supersensibilidade Espacial em Vídeo

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 Atualizado 2026-04-03 📅 Criado 2025-10-13
40
AILab-CVC/SEED-X

Modelos Multimodais no Mundo Real

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 Atualizado 2025-02-24 📅 Criado 2024-03-30
41
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 Uma lista selecionada de artigos sobre geração multimodal baseada em LLMs (imagem, vídeo, 3D e áudio).

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 Atualizado 2026-11-10 📅 Criado 2023-11-17
42
worldbench/awesome-vla-for-ad

🌐 Modelos de visão, linguagem e ação para a condução autónoma: passado, presente e futuro

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Atualizado 2026-11-14 📅 Criado 2025-09-07
43
hustvl/EVF-SAM

Código oficial de "EVF-SAM: Fusão Precoce Visão-Linguagem para Modelo Segment Anything com Prompt de Texto"

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Atualizado 2025-03-17 📅 Criado 2024-06-12

Perguntas Frequentes

1

Qual é o repositório de #multimodal-large-language-models mais popular no GitHub?

O projeto de código aberto de #multimodal-large-language-models mais bem classificado no GitHub é BradyFU/Awesome-Multimodal-Large-Language-Models, com 18,090 estrelas. :sparkles::sparkles:Últimos Avanços em Grandes Modelos de Linguagem Multimodais

2

Quais linguagens de programação são mais usadas nos repositórios de #multimodal-large-language-models?

Entre os projetos de #multimodal-large-language-models mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, HTML, C++.

3

Como é calculada a classificação dos repositórios de #multimodal-large-language-models?

Acompanhamos 43 repositórios ativos de código aberto marcados com #multimodal-large-language-models (com mais de 500 estrelas), totalizando 78,032 estrelas e uma média de 1,814 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.