Git Stars Git Stars

#video-understanding Репозитории

Откройте для себя 51 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #video-understanding, с общим числом 114,089 звёзд (в среднем 2,237 на проект). Лидером этой темы является QwenLM/Qwen3-VL, набравший 20,240 звёзд.

51
Всего репозиториев
114,089
Всего звезд
2,237
Среднее количество звезд на репозиторий
Языки программирования: Python Jupyter Notebook C++ JavaScript

Всего репозиториев: 51

1
QwenLM/Qwen3-VL

Qwen3-VL — это серия мультимодальных больших языковых моделей, разработанная командой Qwen компании Alibaba Cloud.

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

PySlowFast: кодовая база для понимания видео от FAIR для воспроизведения передовых моделей видео.

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

Large World Model -- Моделирование текста и видео с миллионами контекстов

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

Инструментарий и эталон OpenMMLab нового поколения для понимания видео

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

Код и модели PyTorch для самообуча VJEPA2 на основе видео.

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

Универсальный мультимодальный набор для оценки задач по тексту, изображениям, видео и аудио

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

VILA — это семейство передовых моделей визуального языка (VLM) для различных мультимодальных задач искусственного интеллекта на периферии, в центрах обработки данных и в облаке.

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

Библиотека глубокого обучения для исследований в области понимания видео.

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

[CVPR2024 Highlight][VideoChatGPT] ChatGPT с пониманием видео! А также многие другие поддерживаемые LM, такие как miniGPT4, StableLM и MOSS.

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

🔥🔥🔥 [IEEE TCSVT] Последние статьи, коды и наборы данных по Vid-LLMs.

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

Конвейер генерации данных для создания полуреалистичных синтетических видео с несколькими объектами с богатыми аннотациями, такими как маски сегментации экземпляров, карты глубины и оптический поток.

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

[ECCV2024] Видеофундаментальные модели и данные для мультимодального понимания

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

Современные модели CLIP для изображений и видео, мультимодальные большие языковые модели и многое другое!

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

GLM-4.6V/4.5V/4.1V-Мышление: На пути к универсальному мультимодальному рассуждению с масштабируемым обучением с подкреплением

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

[ICCV 2019] TSM: Модуль временного сдвига для эффективного понимания видео

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

[EMNLP2026] «VideoAgent: универсальный агентный фреймворк для понимания, редактирования и переработки видео»

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

Архитектура NVIDIA AI Blueprint для поиска и обобщения видео (VSS) представляет собой эталонную архитектуру с ускорением на GPU для создания агентов видеоаналитики с проверенными в реальном времени оповещениями, визуальными вопросами и ответами, а также автоматизированной отчетностью. VSS Blueprint использует модели визуального языка (VLM), такие как NVIDIA Cosmos, LLM, такие как NVIDIA Nemotron, RAG и NVIDIA NIM.

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

Отличные наборы инструментов для понимания видео на основе PaddlePaddle. Он поддерживает инструменты аннотирования видеоданных, легкие модели распознавания действий на основе RGB и скелетов, практические приложения для маркировки видео и обнаружения спортивных действий.

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

Семейство SALMONN: набор передовых мультимодальных больших языковых моделей (LLM)

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

Нативная унифицированная мультимодальная модель с 3 миллиардами активных параметров для понимания, генерации и редактирования изображений и видео.

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

Передовые мультимодальные базовые модели для понимания изображений и видео

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

awesome grounding: Курированный список исследовательских работ по визуальному grounding

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

StreamingVLM: Понимание видеопотоков в реальном времени для бесконечных видеопотоков

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

[ECCV2024] VideoMamba: Пространственно-временная модель для эффективного понимания видео

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

:fire: :fire: :fire: Список статей по некоторым недавним работам в области компьютерного зрения (CV)

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

Этот репозиторий предназначен для размещения инструментов и демонстраций для ActivityNet.

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

[CVPR 2024 Highlight🔥] Chat-UniVi: Объединенное визуальное представление расширяет возможности больших языковых моделей для понимания изображений и видео

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

Открытые мультимодальные модели принятия решений размером от 0,8B до 27B для работы с текстом, изображениями и видео. Оценивайте собственные варианты с помощью вероятностей и определяйте местоположение с помощью ограничивающих рамок вместо генерации текста. Бесплатный API, ONNX, GGUF, vLLM и SGLang; код для дообучения включён.

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

Video-R1: Усиление рассуждений о видео в MLLM [🔥 первая статья, исследующая R1 для видео]

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

Последние работы, основанные на LLM, в области компьютерного зрения и смежные темы. Приветствуются комментарии/вклад!

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

LLaMA-VID: Изображение стоит 2 токена в больших языковых моделях (ECCV 2024)

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

Серия моделей с открытыми весами и 11 млрд параметров для понимания длинных и видео в реальном времени

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

Официальная реализация UnifiedReward и [NeurIPS 2025] UnifiedReward-Think и UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Обновлено 2026-06-18 📅 Создано 2025-03-04
37
vision-x-nyu/thinking-in-space

Официальный репозиторий и реализация оценки VSI-Bench

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 Обновлено 2025-08-05 📅 Создано 2024-12-14
38
OpenGVLab/VideoMAEv2

[CVPR 2023] VideoMAE V2: Масштабирование видеомаскированных автоэнкодеров с двойным маскированием

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

VideoLLM-online: Онлайн большая языковая модель для потокового видео (CVPR 2024)

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

Официальный репозиторий для статьи PLLaVA

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

Официальный репозиторий для «Vidi: Большие мультимодальные модели для понимания и редактирования видео»

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

Официальный код для модели Goldfish для понимания длинных видео и MiniGPT4-video для понимания коротких видео

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

LaVIT: Предоставьте большой языковой модели возможность понимать и генерировать визуальный контент

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

Дайте ИИ-агентам глаза, уши и проверяемые результаты. Watch Skill превращает видео, аудио и действия на экране в доступные для поиска доказательства с временными метками и подтверждает выполнение работы детерминированными контрактами, а не мнением модели. DeepWatch — рабочее пространство для агентов на базе DeepSeek Harness. Python + npm, MCP, CLI, REST и Web.

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 Обновлено 2026-11-16 📅 Создано 2026-07-05
46
lwpyh/Awesome-MLLM-Reasoning-Collection

Сборник статей, кодов, наборов данных, бенчмарков и ресурсов по мультимодальному рассуждению.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Обновлено 2026-04-01 📅 Создано 2025-03-16
47
zhenyingfang/Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

Временное обнаружение действий и Временное обнаружение действий с частичной разметкой и Генерация предложений временных действий

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

Узлы ComfyUI для моделей зрения-языка: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. А также обнаружение с открытым словарем, сегментация SAM2/SAM3, временное видео-рассуждение, GGUF через llama.cpp и размещенные API LLM/VLM.

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

Сториборд с учетом сцен для DeepSeek Harness: от 9 до 16 пронумерованных кадров с временными метками, расшифровкой речи и огибающей аудио, собранных в ОДНО изображение (384 токена). Два инструмента: video_storyboard и video_zoom.

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

Официальная реализация Pytorch для «DINO-Tracker: Обучение DINO для самообуча отслеживанию точек в одном видео» (ECCV 2024)

AssafSinger94
⭐ 543 Python 👤 AssafSinger94 User 🕐 Обновлено 2024-11-23 📅 Создано 2024-04-03

Часто задаваемые вопросы

1

Какой репозиторий по теме #video-understanding наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #video-understanding на GitHub — QwenLM/Qwen3-VL, набравший 20,240 звёзд. Qwen3-VL — это серия мультимодальных больших языковых моделей, разработанная командой Qwen компании Alibaba Cloud.

2

Какие языки программирования чаще всего используются в репозиториях по теме #video-understanding?

Среди наиболее высоко оценённых проектов по теме #video-understanding на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, JavaScript.

3

Как рассчитывается рейтинг репозиториев по теме #video-understanding?

Мы отслеживаем 51 активных репозиториев с открытым исходным кодом, отмеченных тегом #video-understanding (500 и более звёзд), с общим числом 114,089 звёзд и в среднем 2,237 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.