Git Stars Git Stars

#vision-language-models Repositórios

86
Total de Repositórios
198,329
Total de estrelas
2,306
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook HTML

86 repositórios no total

51
rai-opensource/vlfm

O repositório fornece código associado ao artigo VLFM: Vision-Language Frontier Maps for Zero-Shot Semantic Navigation (ICRA 2024)

rai-opensource
⭐ 834 Python 👤 rai-opensource Organization 🕐 Atualizado 2025-11-12 📅 Criado 2023-07-04
52
taco-group/4KAgent

[NeurIPS 2025] 4KAgent: Qualquer Imagem para Super-Resolução 4K. Um agente inteligente de visão computacional que pode restaurar magicamente qualquer imagem para um 4K perfeito!

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 Atualizado 2025-09-24 📅 Criado 2025-05-27
53
thu-ml/RDT2

Código oficial da RDT 2

thu-ml
⭐ 811 Python 👤 thu-ml Organization 🕐 Atualizado 2026-02-07 📅 Criado 2025-09-19
54
mll-lab-nu/Awesome-Spatial-Intelligence-in-VLM

Uma lista de artigos sobre raciocínio espacial

mll-lab-nu
⭐ 803 👤 mll-lab-nu Organization 🕐 Atualizado 2026-08-23 📅 Criado 2025-02-07
55
microsoft/RegionCLIP

[CVPR 2022] Código oficial para "RegionCLIP: Pré-treinamento de Linguagem-Imagem Baseado em Região"

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 Atualizado 2024-03-20 📅 Criado 2022-03-18
57
bryanswkim/Chain-of-Zoom

[Destaque NeurIPS'25] Repositório oficial para "Chain-of-Zoom: Super-Resolução Extrema via Autorregressão de Escala e Alinhamento de Preferências"

bryanswkim
⭐ 777 Python 👤 bryanswkim User 🕐 Atualizado 2025-09-27 📅 Criado 2025-05-26
58
ModalMinds/MM-EUREKA

MM-EUREKA: Explorando as Fronteiras do Raciocínio Multimodal com Aprendizado por Reforço Baseado em Regras

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 Atualizado 2025-09-07 📅 Criado 2025-03-07
59
zli12321/Vision-Language-Models-Overview

Uma coleção e pesquisa de ponta sobre artigos de modelos de visão-linguagem, e repositório GitHub de modelos. Atualizações contínuas.

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 Atualizado 2026-10-13 📅 Criado 2024-11-27
61
lupantech/ScienceQA

Dados e código para o Artigo NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".

lupantech
⭐ 715 Python 👤 lupantech User 🕐 Atualizado 2024-09-19 📅 Criado 2022-10-17
62
kerrj/lerf

Código para LERF: Campos de Radiância Embutidos em Linguagem

kerrj
⭐ 710 Python 👤 kerrj User 🕐 Atualizado 2024-07-09 📅 Criado 2023-04-04
63
taokz/BiomedGPT

BiomedGPT: Um Modelo Fundamental Generalista de Visão-Linguagem para Diversas Tarefas Biomédicas

taokz
⭐ 707 Python 👤 taokz User 🕐 Atualizado 2025-07-08 📅 Criado 2023-05-11
65
magic-research/PLLaVA

Repositório oficial do artigo PLLaVA

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 Atualizado 2024-07-28 📅 Criado 2024-04-18
66
xiaomi-mlab/Orion

[ICCV 2025] Código oficial de "ORION: Uma estrutura holística de ponta a ponta para direção autônoma por meio da geração de ações instruída por visão e linguagem"

xiaomi-mlab
⭐ 674 Python 👤 xiaomi-mlab User 🕐 Atualizado 2026-06-22 📅 Criado 2025-03-11
67
RyanWangZf/MedCLIP

EMNLP'22 | MedCLIP: Aprendizagem Contrastiva a partir de Imagens e Textos Médicos Não Emparelhados

RyanWangZf
⭐ 652 Python 👤 RyanWangZf User 🕐 Atualizado 2024-04-12 📅 Criado 2022-02-19
68
run-llama/ParseBench

ParseBench - Um benchmark de análise de documentos para agentes de IA

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-04-10
69
zqhang/AnomalyCLIP

Implementação oficial para AnomalyCLIP (ICLR 2024)

zqhang
⭐ 648 Python 👤 zqhang User 🕐 Atualizado 2025-07-08 📅 Criado 2023-10-19
70
PromtEngineer/localGPT-Vision

Converse com seus documentos usando Modelos de Linguagem Visual. Este repositório implementa um pipeline RAG de ponta a ponta com VLMs locais e proprietários

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 Atualizado 2025-07-26 📅 Criado 2024-10-01
71
xiaomi-research/recogdrive

[ICLR 2026] ReCogDrive: Um Framework Cognitivo Reforçado para Direção Autônoma de Ponta a Ponta

xiaomi-research
⭐ 632 Python 👤 xiaomi-research Organization 🕐 Atualizado 2026-11-19 📅 Criado 2025-06-05
72
VectorSpaceLab/Video-XL

🔥🔥Os primeiros modelos de compreensão de vídeo em escala de hora

VectorSpaceLab
⭐ 626 Python 👤 VectorSpaceLab Organization 🕐 Atualizado 2025-07-14 📅 Criado 2024-09-20
73
Ucas-HaoranWei/Vary-toy

Implementação oficial do código do Vary-toy (Modelo de Linguagem Pequeno Encontra Vocabulário de Visão Reforçado)

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 Atualizado 2024-12-30 📅 Criado 2024-01-10
74
opendilab/awesome-multi-modal-reinforcement-learning

Uma lista selecionada de recursos de Aprendizado por Reforço Multimodal (continuamente atualizada)

opendilab
⭐ 621 👤 opendilab Organization 🕐 Atualizado 2026-05-30 📅 Criado 2022-09-01
75
thu-coai/Glyph

Repositório oficial de "Glyph: Dimensionamento de Janelas de Contexto via Compressão Visual-Textual"

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 Atualizado 2025-11-04 📅 Criado 2025-10-20
76
levyflux/AViD

Estrutura que permite o ajuste fino de modelos de ancoragem visão-linguagem em conjuntos de dados personalizados

levyflux
⭐ 608 Python 👤 levyflux User 🕐 Atualizado 2026-08-30 📅 Criado 2025-03-19
77
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
78
THUDM/INFTY

INFTY Engine: Um Kit de Ferramentas de Otimização para Suportar IA Contínua

THUDM
⭐ 578 Python 👤 THUDM Organization 🕐 Atualizado 2026-09-01 📅 Criado 2025-09-11
81
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
82
mbzuai-oryx/XrayGPT

[BIONLP@ACL 2024] XrayGPT: Sumarização de Radiografias de Tórax usando Modelos Médicos de Visão e Linguagem.

mbzuai-oryx
⭐ 526 Python 👤 mbzuai-oryx Organization 🕐 Atualizado 2024-08-08 📅 Criado 2023-05-18
83
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
84
luogen1996/LaVIN

[NeurIPS 2023] Implementações oficiais de "Barato e Rápido: Ajuste Eficiente de Instruções Visão-Linguagem para Grandes Modelos de Linguagem"

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 Atualizado 2024-01-27 📅 Criado 2023-05-15
86
erwinmsmith/SOMAS

Uma Estrutura de Interação Confiável Humano-Aprendizagem por Reforço Multiagente

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 Atualizado 2026-10-04 📅 Criado 2025-05-13