Git Stars Git Stars

#vision-language-models Репозитории

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

Всего репозиториев: 86

51
rai-opensource/vlfm

Репозиторий предоставляет код, связанный с работой VLFM: Vision-Language Frontier Maps для семантической навигации без предварительного обучения (ICRA 2024)

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

[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Интеллектуальный агент компьютерного зрения, который может волшебным образом восстановить любое изображение до идеального 4K!

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

Официальный код RDT 2

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

Список статей по пространственному мышлению

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

Официальный код к "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]

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

[NeurIPS'25 Spotlight] Официальный репозиторий для "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment"

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

MM-EUREKA: Исследование границ мультимодального рассуждения с помощью основанного на правилах обучения с подкреплением

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

Самый передовой набор и обзор статей о моделях видение-язык, а также репозиторий моделей на GitHub. Постоянные обновления.

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

Данные и код для статьи NeurIPS 2022 "Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering".

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

Код для LERF: Языковые Встроенные Поля Излучения

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

BiomedGPT: Универсальная основополагающая модель зрения-языка для решения различных биомедицинских задач

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

Официальный репозиторий для статьи PLLaVA

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

[ICCV 2025] Официальный код работы "ORION: Целостный сквозной фреймворк для автономного вождения посредством генерации действий, управляемых инструкциями на основе зрения и языка"

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

EMNLP'22 | MedCLIP: Контрастное обучение на непарных медицинских изображениях и текстах

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

ParseBench - Эталон анализа документов для ИИ-агентов

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

Официальная реализация AnomalyCLIP (ICLR 2024)

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

Общайтесь со своими документами с помощью моделей Vision Language. Этот репозиторий реализует сквозной RAG-конвейер как с локальными, так и с проприетарными VLM.

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

[ICLR 2026] ReCogDrive: Усиленная когнитивная структура для автономного вождения от начала до конца

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

🔥🔥Первые в истории модели понимания видео в масштабе часов

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

Официальная реализация кода Vary-toy (Малая языковая модель встречает усиленный визуальный словарь)

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

Кураторский список ресурсов по мультимодальному обучению с подкреплением (постоянно обновляется)

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

Официальный репозиторий для «Glyph: масштабирование контекстных окон с помощью визуально-текстовой компрессии»

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

Фреймворк, позволяющий донастраивать модели сопряжения "зрение-язык" на пользовательских наборах данных

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

Движок INFTY: Набор инструментов для оптимизации для поддержки непрерывного ИИ

THUDM
⭐ 578 Python 👤 THUDM Organization 🕐 Обновлено 2026-09-01 📅 Создано 2025-09-11
81
worldbench/awesome-vla-for-ad

🌐 Модели «зрение — язык — действие» для автономного вождения: прошлое, настоящее и будущее

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Обновлено 2026-11-14 📅 Создано 2025-09-07
82
mbzuai-oryx/XrayGPT

[BIONLP@ACL 2024] XrayGPT: Резюмирование рентгенограмм грудной клетки с использованием медицинских моделей зрения и языка.

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

[NeurIPS 2023] "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" - Официальные реализации

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

Надежная основа для взаимодействия человека и нескольких агентов в обучении с подкреплением

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 Обновлено 2026-10-04 📅 Создано 2025-05-13