Git Stars Git Stars

#multi-modal-learning 仓库

探索 19 个标记为 #multi-modal-learning 的活跃开源 GitHub 仓库,它们累计获得 41,270 个 Star(平均每个项目 2,172 个)。该主题的领先项目是 mlfoundations/open_clip,拥有 14,278 个 Star。

19
仓库总数
41,270
总星标数
2,172
平均每个仓库星标数
1
mlfoundations/open_clip

CLIP 的开源实现。

mlfoundations
⭐ 14,278 Python 👤 mlfoundations Organization 🕐 已更新 2026-11-21 📅 创建时间 2021-07-28
2
OFA-Sys/Chinese-CLIP

CLIP 的中文版本,可实现中文跨模态检索和表示生成。

OFA-Sys
⭐ 6,056 Jupyter Notebook 👤 OFA-Sys Organization 🕐 已更新 2026-03-31 📅 创建时间 2022-07-08
3
open-gigaai/giga-brain-0

GigaBrain-0:一个由世界模型驱动的视觉-语言-动作模型

open-gigaai
⭐ 2,673 Python 👤 open-gigaai Organization 🕐 已更新 2026-09-09 📅 创建时间 2025-09-26
4
MineDojo/MineDojo

构建具有互联网规模知识的开放式具身智能体

MineDojo
⭐ 2,108 Java 👤 MineDojo Organization 🕐 已更新 2024-03-18 📅 创建时间 2022-06-18
5
NVlabs/RADIO

"AM-RADIO: Reduce All Domains Into One"的官方存储库

NVlabs
⭐ 2,008 Python 👤 NVlabs Organization 🕐 已更新 2026-10-06 📅 创建时间 2023-12-08
6
apple-aiml-research/ml-mobileclip

本存储库包含研究论文“MobileCLIP” CVPR 2024 和 “MobileCLIP2” TMLR 2025 年 8 月的官方实现

apple-aiml-research
⭐ 1,687 Python 👤 apple-aiml-research Organization 🕐 已更新 2026-09-11 📅 创建时间 2024-03-01
7
lyuchenyang/Macaw-LLM

Macaw-LLM:图像、视频、音频和文本集成的多模态语言建模

lyuchenyang
⭐ 1,594 Python 👤 lyuchenyang User 🕐 已更新 2025-01-01 📅 创建时间 2023-05-23
8
ZeyueT/AudioX

[ICLR 2026] AudioX 仓库

ZeyueT
⭐ 1,559 Python 👤 ZeyueT User 🕐 已更新 2026-03-10 📅 创建时间 2025-03-13
9
NVlabs/prismer

“Prismer:一个具有多任务专家的视觉语言模型”的实现。

NVlabs
⭐ 1,308 Python 👤 NVlabs Organization 🕐 已更新 2024-01-17 📅 创建时间 2023-03-02
10
Phantom-video/HuMo

HuMo: 通过协作式多模态条件约束实现以人为中心的视频生成

Phantom-video
⭐ 1,292 Python 👤 Phantom-video User 🕐 已更新 2026-01-25 📅 创建时间 2025-09-09
11
microsoft/VideoX

VideoX: 视频跨模态模型合集

microsoft
⭐ 1,052 Python 👤 microsoft Organization 🕐 已更新 2024-06-03 📅 创建时间 2019-11-21
12
alfworld/alfworld

ALFWorld:文本与具身环境对齐以实现交互式学习

alfworld
⭐ 921 Python 👤 alfworld User 🕐 已更新 2026-02-08 📅 创建时间 2020-10-13
13
IDEA-Research/X-Pose

[ECCV 2024] 论文“X-Pose: Detecting Any Keypoints”的官方实现

IDEA-Research
⭐ 772 Python 👤 IDEA-Research Organization 🕐 已更新 2024-08-16 📅 创建时间 2023-10-11
14
lucidrains/x-clip

一个简洁但完整的 CLIP 实现,融入了近期论文中的多项实验性改进

lucidrains
⭐ 726 Python 👤 lucidrains User 🕐 已更新 2026-11-03 📅 创建时间 2021-12-01
15
microsoft/BiomedParse

BiomedParse:跨九种模态的生物医学对象联合分割、检测和识别的基础模型

microsoft
⭐ 717 Python 👤 microsoft Organization 🕐 已更新 2026-09-09 📅 创建时间 2024-05-18
16
taokz/BiomedGPT

BiomedGPT:一个通用的视觉-语言基础模型,用于各种生物医学任务

taokz
⭐ 707 Python 👤 taokz User 🕐 已更新 2025-07-08 📅 创建时间 2023-05-11
17
InternRobotics/EmbodiedScan

[CVPR 2024 & NeurIPS 2024] EmbodiedScan: 面向具身智能的整体多模态三维感知套件

InternRobotics
⭐ 668 Python 👤 InternRobotics Organization 🕐 已更新 2025-06-13 📅 创建时间 2023-12-11
18
JohnsonJiang1996/Awesome-VLA4AD

用于自动驾驶的视觉-语言-动作模型 (VLA4AD) 资源,作为调查论文“自动驾驶中的视觉-语言-动作模型调查”的配套存储库。

JohnsonJiang1996
⭐ 632 👤 JohnsonJiang1996 User 🕐 已更新 2025-11-20 📅 创建时间 2025-06-30
19
zjukg/KG-MM-Survey

知识图谱与多模态学习相遇:综合调查

zjukg
⭐ 510 👤 zjukg Organization 🕐 已更新 2026-03-02 📅 创建时间 2024-01-29

常见问题解答

1

GitHub 上最受欢迎的 #multi-modal-learning 仓库是什么?

GitHub 上排名第一的开源 #multi-modal-learning 项目是 mlfoundations/open_clip,拥有 14,278 个 Star。CLIP 的开源实现。

2

#multi-modal-learning 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #multi-modal-learning 项目中,最常见的编程语言是 Python, Jupyter Notebook, Java。

3

#multi-modal-learning 仓库的排名是如何计算的?

我们跟踪了 19 个标记为 #multi-modal-learning 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 41,270 个 Star,平均每个仓库拥有 2,172 个 Star。排名每日根据 GitHub API 更新。