#mllm 仓库
探索 39 个标记为 #mllm 的活跃开源 GitHub 仓库,它们累计获得 95,941 个 Star(平均每个项目 2,460 个)。该主题的领先项目是 microsoft/unilm,拥有 22,247 个 Star。
共 39 个仓库
Pixel-LLM 代码库官方仓库:Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (LSVOS 第一名解决方案)
精心整理的 200 多种视觉语言模型(VLM/MLLM)架构可视化目录:涵盖论文、示意图、训练方案、数据集,以及多模态 AI 智能体的发布时间线。
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. 一个智能计算机视觉代理,可以将任何图像神奇地恢复到完美的 4K!
🚀🚀🚀一个关于大型语言模型(LLM)、视觉语言模型(VLM)、视觉语言动作(VLA)、人工智能生成内容(AIGC)的优秀公共项目合集,以及相关的数据库和应用。
个人项目:MPP-Qwen14B & MPP-Qwen-Next(基于Qwen-LM的多模态流水线并行)。支持 [video/image/multi-image] {sft/conversations}。不要让贫困限制了你的想象力!在RTX3090/4090 24GB上训练你自己的8B/14B LLaVA训练风格的MLLM。
用于视觉语言模型的 ComfyUI 节点:Qwen3-VL、Moondream 3、Florence-2、SmolVLM2、InternVL、Gemma 3、MiniCPM-V。此外还支持开放词汇检测、SAM2/SAM3 分割、视频时序推理、通过 llama.cpp 实现的 GGUF,以及托管的 LLM/VLM API。
一款纯 Rust 构建的 LLM、VLM、VLA、TTS 和 OCR 推理引擎,由 Candle 和 Rust 驱动。它是 llama.cpp 的替代方案,更简单、更简洁。
[Awesome-Spatial-VLMs] 本仓库是综述论文《Spatial Intelligence in Vision-Language Models: A Comprehensive Survey》的官方社区维护资源。
常见问题解答
GitHub 上最受欢迎的 #mllm 仓库是什么?
GitHub 上排名第一的开源 #mllm 项目是 microsoft/unilm,拥有 22,247 个 Star。跨任务、语言和模态的大规模自监督预训练
#mllm 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #mllm 项目中,最常见的编程语言是 Python, Jupyter Notebook, Markdown, JavaScript。
#mllm 仓库的排名是如何计算的?
我们跟踪了 39 个标记为 #mllm 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 95,941 个 Star,平均每个仓库拥有 2,460 个 Star。排名每日根据 GitHub API 更新。