Git Stars Git Stars

#vision-language-model Repositórios

82
Total de Repositórios
263,383
Total de estrelas
3,211
Média de Estrelas/Repositório

82 repositórios no total

51
Anionex/dsh-vision-toolkit

[dsh] Um kit de ferramentas visuais mais poderoso, projetado para modelos somente de texto: instalação e uso com uma única linha, reconhecimento direto ao colar imagens, perguntas e respostas sobre várias imagens, restauração da UI frontend a partir de capturas de tela e muito mais|Integração nativa do DeepSeek Harness para agent-vision-toolkit: perguntas e respostas sobre imagens, OCR de capturas de tela longas, restauração de UI, grounding, diferença de pixels, Artifacts e Web UI.

Anionex
⭐ 949 TypeScript 👤 Anionex User 🕐 Atualizado 2026-11-21 📅 Criado 2026-08-13
52
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
53
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
54
facebookresearch/ShapeR

Código para o artigo de pesquisa do ShapeR

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

Sobre Este repositório é uma coleção curada dos artigos mais empolgantes e influentes da CVPR 2025. 🔥 [Artigo + Código + Demonstração]

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

[NeurIPS 2025 Spotlight] OpenCUA: Fundações Abertas para Agentes de Uso de Computador

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

[CVPR 2024] Alpha-CLIP: Um Modelo CLIP Focado Onde Você Quiser

SunzeY
⭐ 876 Jupyter Notebook 👤 SunzeY User 🕐 Atualizado 2025-07-20 📅 Criado 2023-11-27
59
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
60
mlfoundations/MINT-1T

🍃 MINT-1T: Um conjunto de dados multimodal entrelaçado de um trilhão de tokens.

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

Uma lista selecionada de artigos de Visão 3D relacionados ao domínio da Robótica na era dos grandes modelos, ou seja, LLMs/VLMs, inspirada em awesome-computer-vision, incluindo artigos, códigos e websites relacionados

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

VoxPoser: Mapas de Valor 3D Componíveis para Manipulação Robótica com Modelos de Linguagem

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

Uma lista selecionada de métodos fantásticos de aprendizado de prompt/adaptador para modelos de visão-linguagem, como o CLIP.

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

[ICLR 2026] A implementação oficial de "Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model"

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

Transforme documentos em Markdown pronto para IA com compreensão visual

magicrew
⭐ 719 Go 👤 magicrew Organization 🕐 Atualizado 2026-08-07 📅 Criado 2026-08-02
66
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
67
wanshuiyin/ARIS-in-AI-Offer

Guias bilíngues (chinês + inglês) de preparação para entrevistas de ML / LLM / diffusion / agentes para o recrutamento de outono em IA — gerados pelo ARIS /interview-cheatsheet e renderizados pelo /render-html em HTML de arquivo único, legível em qualquer lugar — além de um gerador de páginas acadêmicas com verificação de fatos por CV→DBLP e blogs longos escritos pelo próprio autor 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 Atualizado 2026-11-18 📅 Criado 2026-05-19
⭐ 650 👤 XiaomiMiMo Organization 🕐 Atualizado 2026-10-29 📅 Criado 2025-05-29
70
NJU-3DV/SpatialVID

[CVPR 2026] SpatialVID: Um Grande Conjunto de Dados de Vídeo com Anotações Espaciais

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

🎉 PILOT: Uma Caixa de Ferramentas de Aprendizado Contínuo Baseada em Modelo Pré-treinado

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

Avaliação de modelos de texto para imagem/vídeo/3D com VQAScore

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

A integração bem-sucedida da série Qwen3-VL-Instruct na plataforma ComfyUI permitiu um funcionamento suave, suportando (mas não se limitando a) consultas baseadas em texto, consultas de vídeo, consultas de uma única imagem e consultas de múltiplas imagens para gerar legendas ou respostas.

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

[ECCV2024] Modelo de Linguagem Grande Multimodal Fundamentado com Tokenização Visual Localizada

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 Atualizado 2024-06-07 📅 Criado 2024-04-21
75
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
76
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
77
Flame-Code-VLM/Flame-Code-VLM

Flame é um sistema de IA multimodal de código aberto projetado para traduzir mockups de design de UI em código React de alta qualidade. Ele aproveita a modelagem visão-linguagem, a síntese automatizada de dados e fluxos de trabalho de treinamento estruturados para preencher a lacuna entre o design e o desenvolvimento front-end.

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

Chatbot Arena encontra a multimodalidade! A Arena Multimodal permite que você compare modelos de visão-linguagem lado a lado, fornecendo imagens como entradas. Suporta MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 e muitos outros!

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

Código e diretrizes de implementação para o artigo ✨Counting Anything. Página do projeto: https://mengqi-lei.github.io/count-anything-projectpage/

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

[Awesome-Spatial-VLMs] Este repositório é o recurso oficial, mantido pela comunidade, para o artigo de revisão: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey.

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

Aprendizado por reforço com modelos do mundo para agentes VLM de múltiplos turnos. Framework de aprendizado por reforço para visão (NeurIPS 2025).

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

Uma lista abrangente de excelentes artigos de pesquisa, modelos, conjuntos de dados e outros recursos sobre modelos Vision‑Language‑Action (VLA) na robótica.

Jiaaqiliu
⭐ 505 👤 Jiaaqiliu User 🕐 Atualizado 2026-10-19 📅 Criado 2025-04-21