Git Stars Git Stars

#vision-language-models Репозитории

Откройте для себя 86 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #vision-language-models, с общим числом 198,329 звёзд (в среднем 2,306 на проект). Лидером этой темы является Vision-CAIR/MiniGPT-4, набравший 25,770 звёзд.

86
Всего репозиториев
198,329
Всего звезд
2,306
Среднее количество звезд на репозиторий
Языки программирования: Python Jupyter Notebook C++ Rust HTML Markdown

Всего репозиториев: 86

1
Vision-CAIR/MiniGPT-4

Открытые исходные коды для MiniGPT-4 и MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)

Vision-CAIR
⭐ 25,770 Python 👤 Vision-CAIR Organization 🕐 Обновлено 2024-09-02 📅 Создано 2023-04-15
2
deepseek-ai/DeepSeek-OCR

Контексты оптического сжатия

deepseek-ai
⭐ 24,180 Python 👤 deepseek-ai Organization 🕐 Обновлено 2026-01-27 📅 Создано 2025-10-17
3
allenai/olmocr

Инструментарий для линеаризации PDF для наборов данных/обучения LLM

allenai
⭐ 19,838 Python 👤 allenai Organization 🕐 Обновлено 2026-03-25 📅 Создано 2024-09-17
4
NVIDIA/Isaac-GR00T

NVIDIA Isaac GR00T N1.7 - Фундаментальная модель для универсальных роботов.

NVIDIA
⭐ 8,402 Python 👤 NVIDIA Organization 🕐 Обновлено 2026-11-17 📅 Создано 2025-03-11
5
apple-aiml-research/ml-fastvlm

Этот репозиторий содержит официальную реализацию "FastVLM: Efficient Vision Encoding for Vision Language Models" - CVPR 2025

apple-aiml-research
⭐ 7,445 Python 👤 apple-aiml-research Organization 🕐 Обновлено 2026-09-11 📅 Создано 2025-05-01
6
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
7
google/gemma.cpp

легковесный, автономный C++ движок вывода для моделей Gemma от Google.

google
⭐ 7,089 C++ 👤 google Organization 🕐 Обновлено 2026-11-20 📅 Создано 2024-02-13
8
huggingface/nanoVLM

Самый простой и быстрый репозиторий для обучения/дообучения малых VLM.

huggingface
⭐ 5,063 Python 👤 huggingface Organization 🕐 Обновлено 2025-10-27 📅 Создано 2025-05-02
9
lumina-ai-inc/chunkr

Инфраструктура компьютерного зрения для преобразования сложных документов в данные, готовые для LLM

lumina-ai-inc
⭐ 4,154 Rust 👤 lumina-ai-inc Organization 🕐 Обновлено 2026-09-09 📅 Создано 2024-08-24
10
StarsfieldAI/R1-V

Станьте свидетелем "эврика" момента VLM менее чем за 3 $

StarsfieldAI
⭐ 4,058 Python 👤 StarsfieldAI Organization 🕐 Обновлено 2025-05-19 📅 Создано 2025-02-02
11
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
12
jonyzhang2023/awesome-embodied-vla-va-vln

Курируемый список передовых исследований в области воплощенного ИИ (embodied AI) с акцентом на модели «зрение-язык-действие» (VLA), навигацию «зрение-язык» (VLN) и связанные с ними подходы к мультимодальному обучению.

jonyzhang2023
⭐ 3,634 👤 jonyzhang2023 User 🕐 Обновлено 2026-09-15 📅 Создано 2025-01-16
13
OmniSVG/OmniSVG

[NeurIPS 2025] OmniSVG — это первое семейство сквозных мультимодальных генераторов SVG, использующих предварительно обученные модели зрения и языка (VLM), способных генерировать сложные и детализированные SVG, от простых значков до замысловатых аниме-персонажей.

OmniSVG
⭐ 2,666 Python 👤 OmniSVG User 🕐 Обновлено 2026-03-01 📅 Создано 2025-04-07
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
16
opendatalab/OmniDocBench

[CVPR 2025] Комплексный бенчмарк для анализа и оценки документов

opendatalab
⭐ 2,183 Python 👤 opendatalab Organization 🕐 Обновлено 2026-11-12 📅 Создано 2024-10-14
17
PKU-YuanGroup/LLaVA-CoT

[ICCV 2025] LLaVA-CoT, визуально-языковая модель, способная к спонтанному, систематическому рассуждению

PKU-YuanGroup
⭐ 2,129 Python 👤 PKU-YuanGroup Organization 🕐 Обновлено 2025-12-12 📅 Создано 2024-11-17
18
Tencent-Hunyuan/HunyuanOCR

HunyuanOCR-1.5: Ускорение и улучшение легковесных VLM для OCR

Tencent-Hunyuan
⭐ 2,091 Python 👤 Tencent-Hunyuan Organization 🕐 Обновлено 2026-09-24 📅 Создано 2025-11-18
19
chn-lee-yumi/MaterialSearch

Семантический поиск. Ищите локальные фотографии и видео с помощью естественного языка. ИИ-семантический поиск локальных материалов. Поиск по изображению, поиск локальных материалов, сопоставление сцен по текстовому описанию, поиск видео по кадрам, поиск видео по описанию сцен.

chn-lee-yumi
⭐ 1,998 HTML 👤 chn-lee-yumi User 🕐 Обновлено 2026-09-21 📅 Создано 2023-03-16
21
gpt-omni/mini-omni2

К GPT-4o с открытым исходным кодом, обладающему возможностями зрения, речи и дуплекса.

gpt-omni
⭐ 1,896 Python 👤 gpt-omni Organization 🕐 Обновлено 2025-01-16 📅 Создано 2024-10-14
22
facebookresearch/MetaCLIP

NeurIPS 2025 Spotlight; ICLR2024 Spotlight; CVPR 2024; EMNLP 2024

facebookresearch
⭐ 1,856 Python 👤 facebookresearch Organization 🕐 Обновлено 2026-08-11 📅 Создано 2023-09-28
23
kijai/ComfyUI-Florence2

Вывод Microsoft Florence2 VLM

kijai
⭐ 1,764 Python 👤 kijai User 🕐 Обновлено 2026-05-06 📅 Создано 2024-06-19
24
baaivision/Emu3.5

Нативные мультимодальные модели - это познающие мир

baaivision
⭐ 1,567 Python 👤 baaivision Organization 🕐 Обновлено 2025-12-30 📅 Создано 2025-10-29
25
tjmlabs/ColiVara

Colivara — это набор сервисов, который позволяет хранить, искать и извлекать документы на основе их визуального встраивания. ColiVara обеспечивает высочайшую производительность поиска как для текстовых, так и для визуальных документов. используя модели зрения вместо разбиения на части и текстовой обработки документов. Без OCR, без извлечения текста, без поврежденных таблиц или отсутствующих изображений.

tjmlabs
⭐ 1,485 Python 👤 tjmlabs Organization 🕐 Обновлено 2026-07-08 📅 Создано 2024-09-21
27
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

Этот репозиторий предоставляет ценные справочные материалы для исследователей в области мультимодальности, начните свое исследовательское путешествие по RL-основанным MLLM для рассуждений!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 Обновлено 2026-09-29 📅 Создано 2025-02-21
28
rmokady/CLIP_prefix_caption

Простая модель создания подписей к изображениям

rmokady
⭐ 1,407 Jupyter Notebook 👤 rmokady User 🕐 Обновлено 2024-06-09 📅 Создано 2021-09-16
29
SakanaAI/evolutionary-model-merge

Официальный репозиторий эволюционной оптимизации рецептов слияния моделей

SakanaAI
⭐ 1,394 Python 👤 SakanaAI Organization 🕐 Обновлено 2024-11-29 📅 Создано 2024-03-05
30
gokayfem/awesome-vlm-architectures

Подборка с наглядным каталогом более чем 200 архитектур моделей «зрение — язык» (VLM/MLLM): статьи, схемы, рецепты обучения, наборы данных и хронология выпусков мультимодальных ИИ-агентов.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Обновлено 2026-10-27 📅 Создано 2024-02-15
31
Computer-Vision-in-the-Wild/CVinW_Readings

Сборник статей на тему «Компьютерное зрение в естественных условиях (CVinW)»

Computer-Vision-in-the-Wild
⭐ 1,349 👤 Computer-Vision-in-the-Wild Organization 🕐 Обновлено 2024-03-14 📅 Создано 2022-09-28
32
X-Square-Robot/wall-x

Создание универсальных роботов на основе воплощенной фундаментальной модели

X-Square-Robot
⭐ 1,337 Python 👤 X-Square-Robot Organization 🕐 Обновлено 2026-09-18 📅 Создано 2025-09-04
⭐ 1,293 Python 👤 Visual-Agent Organization 🕐 Обновлено 2025-11-20 📅 Создано 2025-03-15
35
aiming-lab/Agent0

[ICML'26 & COLM'26] Серия Agent0: Саморазвивающиеся агенты на основе нулевых данных

aiming-lab
⭐ 1,292 Python 👤 aiming-lab Organization 🕐 Обновлено 2026-07-10 📅 Создано 2025-10-20
37
reacher-z/Awesome-CUA

Открытый каталог агентов для работы с компьютером, основанный на источниках: проверенные статьи, модели GUI, наборы данных, бенчмарки, инструменты и повторно используемые данные JSONL/SQLite.

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 Обновлено 2026-11-21 📅 Создано 2026-10-16
38
nvidia-cosmos/cosmos-reason1

Модели Cosmos-Reason1 понимают физический здравый смысл и генерируют соответствующие воплощенные решения на естественном языке посредством длительных процессов рассуждений в виде цепочки мыслей.

nvidia-cosmos
⭐ 965 Python 👤 nvidia-cosmos Organization 🕐 Обновлено 2026-06-07 📅 Создано 2025-03-02
39
huangwl18/ReKep

ReKep: Пространственно-временное рассуждение реляционных ключевых точек для роботизированных манипуляций

huangwl18
⭐ 950 Python 👤 huangwl18 User 🕐 Обновлено 2025-02-20 📅 Создано 2024-08-29
40
mst272/LLM-Dojo

Легковесная среда постобучения LLM, поддерживает SFT, RLVR, On-Policy KD, Guide KD и смешанное обучение; реализует одно-/многорундовую Guide-дистилляцию, дистилляцию с несколькими учителями, смешанное обучение Reward и автоматизированное разделение данных👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 Обновлено 2026-03-08 📅 Создано 2024-01-23
41
Qinying-Liu/Awesome-Open-Vocabulary-Semantic-Segmentation

Курируемый список публикаций по семантической сегментации с открытым словарем и связанным областям (например, семантическая сегментация с нулевым выстрелом) ресурсы..

Qinying-Liu
⭐ 910 👤 Qinying-Liu User 🕐 Обновлено 2026-05-20 📅 Создано 2023-09-28
42
TRI-ML/prismatic-vlms

Гибкая и эффективная кодовая база для обучения визуально-обусловленных языковых моделей (VLM)

TRI-ML
⭐ 894 Python 👤 TRI-ML Organization 🕐 Обновлено 2024-07-04 📅 Создано 2024-02-13
43
LYL1015/JarvisArt

[NeurIPS' 2025] JarvisArt: Освобождение человеческого художественного творчества с помощью интеллектуального агента для ретуши фотографий

LYL1015
⭐ 880 Python 👤 LYL1015 User 🕐 Обновлено 2026-04-04 📅 Создано 2025-06-24
44
beichenzbc/Long-CLIP

[ECCV 2024] официальный код для "Long-CLIP: Разблокировка возможности работы с длинными текстами в CLIP"

beichenzbc
⭐ 879 Python 👤 beichenzbc User 🕐 Обновлено 2024-08-13 📅 Создано 2024-03-20
45
InternLM/Intern-S1

Научная мультимодальная базовая модель

InternLM
⭐ 876 👤 InternLM Organization 🕐 Обновлено 2026-09-13 📅 Создано 2025-07-25
46
RiseInRose/MiniGPT-4-ZH

MiniGPT-4 Китайское развертывание Перевод Уточнение деталей развертывания

RiseInRose
⭐ 859 Python 👤 RiseInRose User 🕐 Обновлено 2026-05-09 📅 Создано 2023-04-19
48
allenai/molmo

Код для модели Molmo Vision-Language

allenai
⭐ 851 Python 👤 allenai Organization 🕐 Обновлено 2024-12-12 📅 Создано 2024-12-05
49
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
50
showlab/Awesome-Unified-Multimodal-Models

📖 Это репозиторий для организации статей, кода и других ресурсов, связанных с унифицированными мультимодальными моделями.

showlab
⭐ 834 👤 showlab Organization 🕐 Обновлено 2025-10-10 📅 Создано 2024-08-27

Часто задаваемые вопросы

1

Какой репозиторий по теме #vision-language-models наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #vision-language-models на GitHub — Vision-CAIR/MiniGPT-4, набравший 25,770 звёзд. Открытые исходные коды для MiniGPT-4 и MiniGPT-v2 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)

2

Какие языки программирования чаще всего используются в репозиториях по теме #vision-language-models?

Среди наиболее высоко оценённых проектов по теме #vision-language-models на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, Rust.

3

Как рассчитывается рейтинг репозиториев по теме #vision-language-models?

Мы отслеживаем 86 активных репозиториев с открытым исходным кодом, отмеченных тегом #vision-language-models (500 и более звёзд), с общим числом 198,329 звёзд и в среднем 2,306 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.