Git Stars Git Stars

#video-understanding Repositórios

Descubra 51 repositórios ativos de código aberto no GitHub marcados com #video-understanding, acumulando um total de 114,089 estrelas (uma média de 2,237 por projeto). O líder deste tópico é QwenLM/Qwen3-VL, com 20,240 estrelas.

51
Total de Repositórios
114,089
Total de estrelas
2,237
Média de Estrelas/Repositório

51 repositórios no total

1
QwenLM/Qwen3-VL

Qwen3-VL é a série de modelos de linguagem grande multimodal desenvolvida pela equipe Qwen, Alibaba Cloud.

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 Atualizado 2026-01-30 📅 Criado 2024-08-29
2
facebookresearch/SlowFast

PySlowFast: base de código para compreensão de vídeo do FAIR para reproduzir modelos de vídeo de última geração.

facebookresearch
⭐ 7,447 Python 👤 facebookresearch Organization 🕐 Atualizado 2026-03-16 📅 Criado 2019-08-20
3
LargeWorldModel/LWM

Grande Modelo Mundial -- Modelagem de Texto e Vídeo com Milhões de Contexto

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 Atualizado 2024-10-19 📅 Criado 2024-02-08
4
open-mmlab/mmaction2

A Caixa de Ferramentas e Benchmark de Próxima Geração para Compreensão de Vídeo do OpenMMLab

open-mmlab
⭐ 5,203 Python 👤 open-mmlab Organization 🕐 Atualizado 2026-03-18 📅 Criado 2020-07-11
5
facebookresearch/vjepa2

Código e modelos PyTorch para aprendizagem auto-supervisionada VJEPA2 a partir de vídeo.

facebookresearch
⭐ 4,911 Python 👤 facebookresearch Organization 🕐 Atualizado 2026-10-29 📅 Criado 2025-04-25
7
EvolvingLMMs-Lab/lmms-eval

Ferramenta de Avaliação Multimodal One-for-All para Tarefas de Texto, Imagem, Vídeo e Áudio

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 Atualizado 2026-11-20 📅 Criado 2024-03-07
8
NVlabs/VILA

VILA é uma família de modelos de linguagem e visão (VLMs) de última geração para diversas tarefas de IA multimodal em edge, data center e nuvem.

NVlabs
⭐ 3,873 Python 👤 NVlabs Organization 🕐 Atualizado 2026-03-12 📅 Criado 2024-02-23
9
facebookresearch/pytorchvideo

Uma biblioteca de aprendizado profundo para pesquisa em compreensão de vídeo.

facebookresearch
⭐ 3,568 Python 👤 facebookresearch Organization 🕐 Atualizado 2026-10-16 📅 Criado 2021-03-09
10
OpenGVLab/Ask-Anything

[Destaque CVPR2024][VideoChatGPT] ChatGPT com compreensão de vídeo! E muitos outros LMs suportados, como miniGPT4, StableLM e MOSS.

OpenGVLab
⭐ 3,361 Python 👤 OpenGVLab Organization 🕐 Atualizado 2026-07-17 📅 Criado 2023-04-19
11
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Últimos artigos, códigos e conjuntos de dados sobre Vid-LLMs.

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 Atualizado 2026-11-11 📅 Criado 2023-07-16
12
google-research/kubric

Um pipeline de geração de dados para a criação de vídeos sintéticos multiobjeto semirrealistas com anotações ricas, tais como máscaras de segmentação de instâncias, mapas de profundidade e fluxo óptico.

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 Atualizado 2026-05-21 📅 Criado 2020-07-22
13
OpenGVLab/InternVideo

[ECCV2024] Modelos Fundacionais de Vídeo e Dados para Compreensão Multimodal

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 Atualizado 2026-07-02 📅 Criado 2022-11-23
14
facebookresearch/perception_models

CLIP de Imagem e Vídeo de última geração, Modelos de Linguagem Grandes Multimodais e muito mais!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 Atualizado 2026-04-13 📅 Criado 2025-04-16
15
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-Pensamento: Rumo ao Raciocínio Multimodal Versátil com Aprendizagem por Reforço Escalável

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 Atualizado 2026-11-06 📅 Criado 2025-06-28
16
mit-han-lab/temporal-shift-module

[ICCV 2019] TSM: Módulo de Deslocamento Temporal para Compreensão Eficiente de Vídeo

mit-han-lab
⭐ 2,167 Python 👤 mit-han-lab Organization 🕐 Atualizado 2024-07-11 📅 Criado 2019-03-27
17
HKUDS/VideoAgent

[EMNLP2026] «VideoAgent: Framework agêntico completo para compreensão, edição e recriação de vídeos»

HKUDS
⭐ 2,059 Python 👤 HKUDS Organization 🕐 Atualizado 2026-07-22 📅 Criado 2025-07-16
18
NVIDIA-AI-Blueprints/video-search-and-summarization

O Blueprint de IA da NVIDIA para pesquisa e sumarização de vídeo (VSS) é uma arquitetura de referência acelerada por GPU para construir agentes de análise de vídeo com alertas verificados em tempo real, perguntas e respostas visuais e relatórios automatizados. O Blueprint VSS usa modelos de linguagem visual (VLM) como NVIDIA Cosmos, LLMs como NVIDIA Nemotron, RAG e NVIDIA NIM.

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-10-22
⭐ 1,795 Python 👤 microsoft Organization 🕐 Atualizado 2026-11-02 📅 Criado 2026-06-15
20
PaddlePaddle/PaddleVideo

Excelentes kits de ferramentas para compreensão de vídeo baseados no PaddlePaddle. Ele suporta ferramentas de anotação de dados de vídeo, um modelo leve de reconhecimento de ações baseado em RGB e esqueleto, e aplicações práticas para marcação de vídeo e detecção de ações esportivas.

PaddlePaddle
⭐ 1,698 Python 👤 PaddlePaddle Organization 🕐 Atualizado 2025-02-12 📅 Criado 2020-11-12
21
bytedance/SALMONN

Família SALMONN: Uma suíte de LLMs multimodais avançados

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 Atualizado 2026-10-16 📅 Criado 2023-08-11
22
bytedance/Lance

Um modelo multimodal unificado nativo de 3 bilhões de parâmetros ativos para compreensão, geração e edição de imagens e vídeos.

bytedance
⭐ 1,370 Python 👤 bytedance Organization 🕐 Atualizado 2026-07-14 📅 Criado 2026-05-15
23
DAMO-NLP-SG/VideoLLaMA3

Modelos de Fundação Multimodais de Fronteira para Compreensão de Imagens e Vídeos

DAMO-NLP-SG
⭐ 1,174 Jupyter Notebook 👤 DAMO-NLP-SG Organization 🕐 Atualizado 2025-08-14 📅 Criado 2025-01-19
24
TheShadow29/awesome-grounding

awesome grounding: Uma lista selecionada de artigos de pesquisa em visual grounding

TheShadow29
⭐ 1,132 👤 TheShadow29 User 🕐 Atualizado 2026-10-16 📅 Criado 2018-09-03
25
mit-han-lab/streaming-vlm

StreamingVLM: Compreensão em tempo real para fluxos de vídeo infinitos

mit-han-lab
⭐ 1,095 Python 👤 mit-han-lab Organization 🕐 Atualizado 2025-10-15 📅 Criado 2025-10-11
26
OpenGVLab/VideoMamba

[ECCV2024] VideoMamba: Modelo de Espaço de Estados para Compreensão Eficiente de Vídeo

OpenGVLab
⭐ 1,052 Python 👤 OpenGVLab Organization 🕐 Atualizado 2024-07-06 📅 Criado 2024-03-11
27
cuixing158/Awesome-CV-MasterHub

:fire: :fire: :fire: Uma lista de artigos de alguns trabalhos recentes em Visão Computacional (CV)

cuixing158
⭐ 986 👤 cuixing158 User 🕐 Atualizado 2026-11-08 📅 Criado 2025-02-14
28
activitynet/ActivityNet

Este repositório destina-se a hospedar ferramentas e demonstrações para o ActivityNet

activitynet
⭐ 965 Jupyter Notebook 👤 activitynet Organization 🕐 Atualizado 2024-03-21 📅 Criado 2015-10-23
29
PKU-YuanGroup/Chat-UniVi

[Destaque CVPR 2024🔥] Chat-UniVi: Representação Visual Unificada Capacita Grandes Modelos de Linguagem com Compreensão de Imagens e Vídeos

PKU-YuanGroup
⭐ 943 Python 👤 PKU-YuanGroup Organization 🕐 Atualizado 2024-10-16 📅 Criado 2023-11-13
30
Valen-Team/Valen

Modelos abertos de decisão multimodal, de 0,8B a 27B, para texto, imagens e vídeo. Tome decisões atribuindo probabilidades aos seus próprios candidatos e localize elementos com caixas delimitadoras, em vez de gerar texto. API gratuita, ONNX, GGUF, vLLM e SGLang; código de ajuste fino incluído.

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 Atualizado 2026-11-15 📅 Criado 2026-09-23
31
tulerfeng/Video-R1

Video-R1: Reforçando o Raciocínio de Vídeo em MLLMs [🔥o primeiro artigo a explorar o R1 para vídeo]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Atualizado 2025-12-14 📅 Criado 2025-02-22
32
DirtyHarryLYL/LLM-in-Vision

Trabalhos recentes de CV baseados em LLM e projetos relacionados. Comentários/contribuições são bem-vindos!

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 Atualizado 2025-03-08 📅 Criado 2023-03-10
33
dvlab-research/LLaMA-VID

LLaMA-VID: Uma Imagem Vale 2 Tokens em Modelos de Linguagem Grandes (ECCV 2024)

JIA-Lab-research
⭐ 854 Python 👤 JIA-Lab-research Organization 🕐 Atualizado 2024-07-29 📅 Criado 2023-11-28
34
OpenMOSS/MOSS-VL

Uma série de modelos de 11B com pesos abertos para compreensão de vídeos longos e em tempo real

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 Atualizado 2026-10-14 📅 Criado 2026-04-08
35
CodeGoat24/UnifiedReward

Implementação oficial de UnifiedReward e [NeurIPS 2025] UnifiedReward-Think e UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Atualizado 2026-06-18 📅 Criado 2025-03-04
37
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
38
OpenGVLab/VideoMAEv2

[CVPR 2023] VideoMAE V2: Escalando Autoencoders Mascarados de Vídeo com Mascaramento Duplo

OpenGVLab
⭐ 730 Python 👤 OpenGVLab Organization 🕐 Atualizado 2024-10-08 📅 Criado 2023-04-04
39
showlab/videollm-online

VideoLLM-online: Modelo de Linguagem Grande de Vídeo Online para Streaming de Vídeo (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Atualizado 2025-11-26 📅 Criado 2024-06-17
40
magic-research/PLLaVA

Repositório oficial do artigo PLLaVA

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 Atualizado 2024-07-28 📅 Criado 2024-04-18
41
bytedance/vidi

O repositório oficial de "Vidi: Modelos Multimodais Grandes para Entendimento e Edição de Vídeo"

bytedance
⭐ 662 Python 👤 bytedance Organization 🕐 Atualizado 2026-08-03 📅 Criado 2025-02-08
43
Vision-CAIR/MiniGPT4-video

Código oficial para o modelo Goldfish para compreensão de vídeos longos e MiniGPT4-video para compreensão de vídeos curtos

Vision-CAIR
⭐ 637 Python 👤 Vision-CAIR Organization 🕐 Atualizado 2024-12-10 📅 Criado 2024-03-23
44
jy0205/LaVIT

LaVIT: Capacitar o Grande Modelo de Linguagem para Compreender e Gerar Conteúdo Visual

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 Atualizado 2024-10-06 📅 Criado 2023-09-09
45
oxbshw/watch-skill

Dê olhos, ouvidos e resultados verificáveis aos agentes de IA. O Watch Skill transforma vídeos, áudio e atividades na tela em evidências pesquisáveis e com marcação de tempo, e comprova o trabalho por meio de contratos determinísticos, não de opiniões do modelo. DeepWatch é o espaço de trabalho para agentes desenvolvido com base no DeepSeek Harness. Python + npm, MCP, CLI, REST e Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Atualizado 2026-11-16 📅 Criado 2026-07-05
46
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
47
zhenyingfang/Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

Detecção de Ação Temporal & Detecção de Ação Temporal Fracamente Supervisionada & Geração de Propostas de Ação Temporal

zhenyingfang
⭐ 597 👤 zhenyingfang User 🕐 Atualizado 2026-11-20 📅 Criado 2020-03-09
48
gokayfem/ComfyUI_VLM_nodes

Nós do ComfyUI para modelos de visão-linguagem: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Além de detecção de vocabulário aberto, segmentação SAM2/SAM3, raciocínio temporal de vídeo, GGUF via llama.cpp e APIs de LLM/VLM hospedadas.

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 Atualizado 2026-08-08 📅 Criado 2024-01-24
49
SAOS-3624/dsh-video-storyboard

Storyboard com reconhecimento de cenas para DeepSeek Harness: de 9 a 16 células numeradas com marcações de tempo + transcrição + envelope de áudio, reunidas em UMA única imagem (384 tokens). Duas ferramentas: video_storyboard e video_zoom.

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 Atualizado 2026-11-21 📅 Criado 2026-10-26
50
AssafSinger94/dino-tracker

Implementação Oficial do Pytorch para “DINO-Tracker: Domando o DINO para Rastreamento de Pontos Auto-Supervisionado em um Único Vídeo” (ECCV 2024)

AssafSinger94
⭐ 543 Python 👤 AssafSinger94 User 🕐 Atualizado 2024-11-23 📅 Criado 2024-04-03

Perguntas Frequentes

1

Qual é o repositório de #video-understanding mais popular no GitHub?

O projeto de código aberto de #video-understanding mais bem classificado no GitHub é QwenLM/Qwen3-VL, com 20,240 estrelas. Qwen3-VL é a série de modelos de linguagem grande multimodal desenvolvida pela equipe Qwen, Alibaba Cloud.

2

Quais linguagens de programação são mais usadas nos repositórios de #video-understanding?

Entre os projetos de #video-understanding mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, JavaScript.

3

Como é calculada a classificação dos repositórios de #video-understanding?

Acompanhamos 51 repositórios ativos de código aberto marcados com #video-understanding (com mais de 500 estrelas), totalizando 114,089 estrelas e uma média de 2,237 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.