Git Stars Git Stars

#vision-language-model Репозитории

82
Всего репозиториев
263,383
Всего звезд
3,211
Среднее количество звезд на репозиторий
Языки программирования: Python C++ TypeScript Jupyter Notebook Go

Всего репозиториев: 82

51
Anionex/dsh-vision-toolkit

[dsh] Более мощный набор визуальных инструментов, разработанный для текстовых моделей: установка и использование одной строкой, распознавание изображений непосредственно после вставки, вопросы и ответы по нескольким изображениям, восстановление интерфейса frontend по скриншоту и многое другое|Нативная интеграция DeepSeek Harness для agent-vision-toolkit: вопросы и ответы по изображениям, OCR длинных скриншотов, восстановление UI, grounding, попиксельное сравнение, Artifacts и Web UI.

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

Код для исследовательской статьи ShapeR

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

О проекте Этот репозиторий представляет собой тщательно подобранную коллекцию самых захватывающих и влиятельных статей CVPR 2025. 🔥 [Paper + Code + Demo]

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

[NeurIPS 2025 Spotlight] OpenCUA: Открытые основы для агентов использования компьютера

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

[CVPR 2024] Alpha-CLIP: модель CLIP, фокусирующаяся на любом желаемом месте

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

🍃 MINT-1T: Мультимодальный перемежающийся набор данных, содержащий один триллион токенов.

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

Курируемый список статей по 3D-зрению, относящихся к области робототехники в эпоху больших моделей, т. е. LLM/VLM, вдохновленный awesome-computer-vision, включая статьи, коды и связанные веб-сайты

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

VoxPoser: Компонуемые 3D-карты значений для манипуляций роботами с использованием языковых моделей

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

Курируемый список отличных методов обучения подсказок/адаптеров для моделей "зрение-язык", таких как CLIP.

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

[ICLR 2026] Официальная реализация "Soft-Prompted Transformer as Scalable Cross-Embodiment Vision-Language-Action Model"

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

Преобразуйте документы в формат Markdown, готовый для ИИ, с помощью визуального распознавания

magicrew
⭐ 719 Go 👤 magicrew Organization 🕐 Обновлено 2026-08-07 📅 Создано 2026-08-02
66
NVlabs/OmniVinci

OmniVinci — это омнимодальная LLM для совместного понимания зрения, аудио и языка.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 Обновлено 2026-08-31 📅 Создано 2025-09-24
67
wanshuiyin/ARIS-in-AI-Offer

Двуязычные (китайский + английский) шпаргалки для собеседований по ML / LLM / diffusion / agent в рамках осеннего набора специалистов по ИИ — созданы с помощью ARIS /interview-cheatsheet и преобразованы посредством /render-html в одnofайловый HTML, который можно читать где угодно, — а также генератор академических домашних страниц с проверкой фактов по CV→DBLP и самостоятельно написанные блоги большого объёма 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 Обновлено 2026-11-18 📅 Создано 2026-05-19
⭐ 650 👤 XiaomiMiMo Organization 🕐 Обновлено 2026-10-29 📅 Создано 2025-05-29
⭐ 647 Python 👤 Visual-Agent Organization 🕐 Обновлено 2026-02-26 📅 Создано 2025-10-31
70
NJU-3DV/SpatialVID

[CVPR 2026] SpatialVID: Крупномасштабный видеодатасет с пространственными аннотациями

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

🎉 PILOT: Инструментарий для непрерывного обучения на основе предварительно обученных моделей

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

Оценка моделей преобразования текста в изображение/видео/3D с помощью VQAScore

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

Успешная интеграция серии Qwen3-VL-Instruct в платформу ComfyUI позволила обеспечить плавную работу, поддерживая (но не ограничиваясь) запросы на основе текста, запросы к видео, запросы к одному изображению и запросы к нескольким изображениям для генерирования подписей или ответов.

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

[ECCV2024] Обоснованная мультимодальная большая языковая модель с локализованной визуальной токенизацией

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 Обновлено 2024-06-07 📅 Создано 2024-04-21
75
ictnlp/LLaVA-Mini

LLaVA-Mini — это унифицированная большая мультимодальная модель (LMM), которая может эффективно поддерживать понимание изображений, изображений высокого разрешения и видео.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Обновлено 2025-06-29 📅 Создано 2025-01-07
76
cambrian-mllm/cambrian-s

Cambrian-S: К пространственной суперчувствительности в видео

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 Обновлено 2026-04-03 📅 Создано 2025-10-13
77
Flame-Code-VLM/Flame-Code-VLM

Flame — это мультимодальная система ИИ с открытым исходным кодом, разработанная для преобразования макетов дизайна пользовательского интерфейса в высококачественный код React. Она использует моделирование видения и языка, автоматический синтез данных и структурированные рабочие процессы обучения для преодоления разрыва между дизайном и фронтенд-разработкой.

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

Chatbot Arena встречает мультимодальность! Multi-Modality Arena позволяет вам сравнивать модели зрения-языка бок о бок, предоставляя изображения в качестве входных данных. Поддерживает MiniGPT-4, LLaMA-Adapter V2, LLaVA, BLIP-2 и многие другие!

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

Код и рекомендации по реализации для статьи ✨Counting Anything. Страница проекта: https://mengqi-lei.github.io/count-anything-projectpage/

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

[Awesome-Spatial-VLMs] Этот репозиторий является официальным ресурсом, поддерживаемым сообществом, для обзорной статьи: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey;

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

Обучение с подкреплением на основе моделей мира для многошаговых VLM-агентов. Фреймворк обучения с подкреплением для задач компьютерного зрения (NeurIPS 2025).

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

Полный список отличных научных статей, моделей, наборов данных и других ресурсов по моделям Vision‑Language‑Action (VLA) в робототехнике.

Jiaaqiliu
⭐ 505 👤 Jiaaqiliu User 🕐 Обновлено 2026-10-19 📅 Создано 2025-04-21