Git Stars Git Stars

#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。

39
仓库总数
95,941
总星标数
2,460
平均每个仓库星标数
1
microsoft/unilm

跨任务、语言和模态的大规模自监督预训练

microsoft
⭐ 22,247 Python 👤 microsoft Organization 🕐 已更新 2026-09-21 📅 创建时间 2019-07-23
2
simular-ai/Agent-S

Agent S:最先进的开源计算机操作智能体

simular-ai
⭐ 13,014 Python 👤 simular-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-10-09
3
X-PLUG/MobileAgent

Mobile-Agent:强大的 GUI Agent 系列

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 已更新 2026-11-03 📅 创建时间 2024-01-26
4
manycore-research/SpatialLM

[NeurIPS 2025] SpatialLM: 训练用于结构化室内建模的大型语言模型

manycore-research
⭐ 5,165 Python 👤 manycore-research Organization 🕐 已更新 2026-06-26 📅 创建时间 2025-03-14
5
NVlabs/Eagle

Eagle: 具数据中心策略的 Frontier 视觉-语言模型

NVlabs
⭐ 3,861 Python 👤 NVlabs Organization 🕐 已更新 2026-11-07 📅 创建时间 2024-06-27
6
atfortes/Awesome-LLM-Reasoning

从思维链提示到 OpenAI o1 和 DeepSeek-R1 🍓

atfortes
⭐ 3,713 👤 atfortes User 🕐 已更新 2026-04-20 📅 创建时间 2022-11-05
7
robbyant-research/MagicQuill

[CVPR'25] 论文官方实现 - MagicQuill: 一个智能的交互式图像编辑系统

robbyant-research
⭐ 3,676 Python 👤 robbyant-research Organization 🕐 已更新 2025-12-03 📅 创建时间 2024-11-12
8
NExT-GPT/NExT-GPT

ICML 2024 会议论文代码和模型,NExT-GPT:任意到任意的多模态大型语言模型

NExT-GPT
⭐ 3,626 Python 👤 NExT-GPT User 🕐 已更新 2025-05-13 📅 创建时间 2023-08-30
9
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive:一款用于长期流媒体音视频交互的综合性多模态系统

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 已更新 2025-05-26 📅 创建时间 2023-09-26
10
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl:面向文档理解的模块化多模态大语言模型

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 已更新 2025-05-30 📅 创建时间 2023-07-04
11
cambrian-mllm/cambrian

Cambrian-1 是一个以视觉为中心设计的、多模态的大型语言模型家族。

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 已更新 2025-11-07 📅 创建时间 2024-06-17
12
coderonion/awesome-yolo-object-detection

🚀🚀🚀 一些很棒的公开 YOLO 对象检测系列项目以及相关的对象检测数据集的集合。

coderonion
⭐ 1,747 👤 coderonion User 🕐 已更新 2025-05-31 📅 创建时间 2022-02-19
13
bytedance/Sa2VA

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)

bytedance
⭐ 1,702 Python 👤 bytedance Organization 🕐 已更新 2026-10-30 📅 创建时间 2025-01-06
14
IDEA-Research/Rex-Omni

[CVPR2026] 通过下一点预测检测任何内容

IDEA-Research
⭐ 1,642 Jupyter Notebook 👤 IDEA-Research Organization 🕐 已更新 2026-02-22 📅 创建时间 2025-10-04
15
gokayfem/awesome-vlm-architectures

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。

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 已更新 2026-10-27 📅 创建时间 2024-02-15
16
EvolvingLMMs-Lab/LLaVA-OneVision-2.5

开放的、促进多模态民主化训练的框架

EvolvingLMMs-Lab
⭐ 1,245 Python 👤 EvolvingLMMs-Lab Organization 🕐 已更新 2026-11-18 📅 创建时间 2025-09-16
17
BAAI-DCAI/Bunny

一组轻量级的多模态模型。

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 已更新 2024-11-18 📅 创建时间 2024-01-31
18
taco-group/OpenEMMA

OpenEMMA,Waymo EMMA 模型的一个许可宽松的开源“复现版”。

taco-group
⭐ 937 Python 👤 taco-group Organization 🕐 已更新 2025-05-13 📅 创建时间 2024-10-30
19
EvolvingLMMs-Lab/NEO

NEO 系列:基于第一性原理的原生视觉语言模型

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 已更新 2026-11-11 📅 创建时间 2025-10-16
20
LYL1015/JarvisArt

[NeurIPS' 2025] JarvisArt:通过智能照片修饰代理解放人类艺术创造力

LYL1015
⭐ 880 Python 👤 LYL1015 User 🕐 已更新 2026-04-04 📅 创建时间 2025-06-24
21
CircleRadon/Osprey

[CVPR2024] "Osprey: Pixel Understanding with Visual Instruction Tuning" 代码

CircleRadon
⭐ 843 Python 👤 CircleRadon User 🕐 已更新 2025-08-19 📅 创建时间 2023-12-17
22
taco-group/4KAgent

[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!

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 已更新 2025-09-24 📅 创建时间 2025-05-27
23
MIV-XJTU/FSDrive

[NeurIPS 2025 spotlight] "FutureSightDrive: 自动驾驶中的时空CoT视觉思考" 官方实现

MIV-XJTU
⭐ 818 Python 👤 MIV-XJTU Organization 🕐 已更新 2026-05-08 📅 创建时间 2025-05-27
24
coderonion/awesome-llm-and-aigc

🚀🚀🚀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。

coderonion
⭐ 810 👤 coderonion User 🕐 已更新 2025-08-01 📅 创建时间 2023-02-15
25
OpenSenseNova/SenseNova-Vision

视觉作为统一的多模态生成

OpenSenseNova
⭐ 733 Python 👤 OpenSenseNova Organization 🕐 已更新 2026-09-01 📅 创建时间 2026-06-29
26
ChocoWu/Awesome-Scene-Graph-Generation

这是一个列出关于场景图生成与应用论文的存储库。

ChocoWu
⭐ 731 👤 ChocoWu User 🕐 已更新 2026-10-28 📅 创建时间 2024-07-07
27
Coobiw/MPP-LLaVA

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。

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 已更新 2025-03-10 📅 创建时间 2023-10-24
28
VITA-MLLM/Woodpecker

✨✨Woodpecker: 多模态大语言模型的幻觉纠正

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 已更新 2024-12-23 📅 创建时间 2023-09-26
29
zhipeixu/FakeShield

[ICLR 2025] FakeShield:基于多模态大语言模型的可解释图像伪造检测与定位

zhipeixu
⭐ 633 Python 👤 zhipeixu User 🕐 已更新 2026-02-21 📅 创建时间 2024-10-03
30
ZebangCheng/Emotion-LLaMA

Emotion-LLaMA: 基于指令微调的多模态情绪识别与推理

ZebangCheng
⭐ 632 Python 👤 ZebangCheng User 🕐 已更新 2026-09-23 📅 创建时间 2024-05-22
31
MIV-XJTU/JanusVLN

[ICLR2026] “JanusVLN:使用双隐式记忆解耦语义与空间性的视觉语言导航”官方实现

MIV-XJTU
⭐ 599 Python 👤 MIV-XJTU Organization 🕐 已更新 2026-08-17 📅 创建时间 2025-09-26
32
gokayfem/ComfyUI_VLM_nodes

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。

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 已更新 2026-08-08 📅 创建时间 2024-01-24
33
FoundationVision/Groma

[ECCV2024] 具有局部化视觉标记的基础多模态大型语言模型

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 已更新 2024-06-07 📅 创建时间 2024-04-21
34
SkyworkAI/Vitron

NeurIPS 2024 论文:用于理解、生成、分割、编辑的统一像素级视觉大模型

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 已更新 2024-10-20 📅 创建时间 2024-03-18
35
uclanlp/OpenVLHarness

OpenVLHarness 官方代码:具备多模态记忆的真实世界视觉智能体工具使用

uclanlp
⭐ 557 Python 👤 uclanlp Organization 🕐 已更新 2026-11-10 📅 创建时间 2026-10-15
36
OpenEnvision/Awesome-Multimodal-Modeling

超棒的多模态建模 [涵盖 MLLM、UMM 和 NMM]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 已更新 2026-11-15 📅 创建时间 2026-03-27
37
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 一份精选的关于基于LLM的多模态生成(图像、视频、3D和音频)的论文列表。

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 已更新 2026-11-10 📅 创建时间 2023-11-17
38
lucasjinreal/Crane

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。

lucasjinreal
⭐ 534 Rust 👤 lucasjinreal User 🕐 已更新 2026-11-16 📅 创建时间 2025-03-19
39
vulab-AI/Awesome-Spatial-VLMs

[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。

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 已更新 2026-07-30 📅 创建时间 2025-07-10

常见问题解答

1

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

2

#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。

3

#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。