Git Stars Git Stars

#multimodal-large-language-models 仓库

探索 43 个标记为 #multimodal-large-language-models 的活跃开源 GitHub 仓库,它们累计获得 78,032 个 Star(平均每个项目 1,814 个)。该主题的领先项目是 BradyFU/Awesome-Multimodal-Large-Language-Models,拥有 18,090 个 Star。

43
仓库总数
78,032
总星标数
1,814
平均每个仓库星标数
1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:多模态大语言模型的最新进展

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 已更新 2026-10-29 📅 创建时间 2023-05-19
2
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
3
joanrod/star-vector

StarVector 是一个用于 SVG 生成的基础模型,它将矢量化转化为代码生成任务。StarVector 采用视觉-语言建模架构,处理视觉和文本输入,以非凡的精度生成高质量的 SVG 代码。

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 已更新 2025-11-07 📅 创建时间 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omni 是一个基于 Llama-3.1-8B-Instruct 构建的低延迟、高质量的端到端语音交互模型,旨在实现 GPT-4o 级别的语音能力。

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 已更新 2025-05-19 📅 创建时间 2024-09-10
5
sherlockchou86/VideoPipe

一个基于CV模型和mLLM的跨平台视频结构化(视频分析)框架。

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 已更新 2026-02-25 📅 创建时间 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5:迈向 GPT-4o 级别的实时视觉与语音交互

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 已更新 2025-03-28 📅 创建时间 2024-08-10
7
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
8
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
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] 精通文本到图像扩散:使用多模态大语言模型(RPG)进行重述、规划和生成

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 已更新 2025-02-01 📅 创建时间 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VL,一个旨在推进通用多模态理解和推理的视觉语言基础模型,在60个公共基准测试中的38个上实现了最先进的性能。

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 已更新 2025-06-14 📅 创建时间 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] 这是第一篇探讨如何有效使用类似R1的RL用于MLLM并引入Vision‑R1的论文,Vision‑R1是一种理解决策的MLLM,它利用冷启动初始化和RL训练来激励推理能力。

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 已更新 2026-03-20 📅 创建时间 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

为 open-r1 添加多模态模型训练的 fork

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 已更新 2025-02-08 📅 创建时间 2025-01-27
13
ATH-MaaS/Ovis

一种新颖的多模态大语言模型(MLLM)架构,旨在结构上对齐视觉和文本嵌入。

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 已更新 2026-07-15 📅 创建时间 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

本仓库为多模态领域的研究者提供了宝贵的参考,请开始您在基于RL的推理MLLM中的探索之旅!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 已更新 2026-09-29 📅 创建时间 2025-02-21
15
Henry-23/VideoChat

实时交互数字人,可自定义形象与音色,支持音色克隆,对话延迟低至3s。

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 已更新 2025-12-18 📅 创建时间 2024-10-18
17
NVIDIA/audio-flamingo

Audio Flamingo 的 PyTorch 实现:一系列先进的音频理解语言模型

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 已更新 2025-12-15 📅 创建时间 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

关于多模态大语言模型、大语言模型和扩散模型的阅读笔记

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 已更新 2026-11-07 📅 创建时间 2024-03-30
19
X-LANCE/SLAM-LLM

面向大型语言模型的语音、语言、音频、音乐处理框架

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 已更新 2026-01-15 📅 创建时间 2023-10-23
20
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
21
yaotingwangofficial/Awesome-MCoT

多模态思维链推理:一项综合调查

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 已更新 2026-10-03 📅 创建时间 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

关于医学成像多模态学习应用的资源集合。

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 已更新 2026-10-26 📅 创建时间 2022-07-13
23
daixiangzi/Awesome-Token-Compress

一份关于Vit和VLM的Token Compress的近期工作论文列表

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 已更新 2026-11-13 📅 创建时间 2024-09-06
24
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
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME:首个视频分析多模态大模型综合评测基准

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 已更新 2025-12-08 📅 创建时间 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus:大型语言与视觉助手,即插即学以使用技能

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 已更新 2024-02-01 📅 创建时间 2023-11-07
28
vision-x-nyu/thinking-in-space

VSI-Bench的官方仓库和评估实现

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 已更新 2025-08-05 📅 创建时间 2024-12-14
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat: 从密集Token到稀疏Memory以实现长视频理解

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 已更新 2025-01-29 📅 创建时间 2023-06-26
31
NVlabs/OmniVinci

OmniVinci 是一个全模态 LLM,用于联合理解视觉、音频和语言。

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 已更新 2026-08-31 📅 创建时间 2025-09-24
32
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
33
FoundationVision/Liquid

(被IJCV录用)Liquid:语言模型是可扩展的统一多模态生成器

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 已更新 2026-06-01 📅 创建时间 2024-12-12
34
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
35
lwpyh/Awesome-MLLM-Reasoning-Collection

多模态推理相关的论文、代码、数据集、基准和资源的集合。

lwpyh
⭐ 598 👤 lwpyh User 🕐 已更新 2026-04-01 📅 创建时间 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] 思考超越图像

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 已更新 2025-09-23 📅 创建时间 2025-08-17
37
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
38
ictnlp/LLaVA-Mini

LLaVA-Mini 是一个统一的大型多模态模型 (LMM),能够高效地支持图像、高分辨率图像和视频的理解。

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 已更新 2025-06-29 📅 创建时间 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S:迈向视频中的空间超感测

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 已更新 2026-04-03 📅 创建时间 2025-10-13
40
AILab-CVC/SEED-X

真实世界中的多模态模型

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 已更新 2025-02-24 📅 创建时间 2024-03-30
41
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
42
worldbench/awesome-vla-for-ad

🌐 自动驾驶中的视觉-语言-动作模型:过去、现在与未来

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 已更新 2026-11-14 📅 创建时间 2025-09-07
43
hustvl/EVF-SAM

「EVF-SAM:文本提示分割任意物体的早期视觉-语言融合」的官方代码

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 已更新 2025-03-17 📅 创建时间 2024-06-12

常见问题解答

1

GitHub 上最受欢迎的 #multimodal-large-language-models 仓库是什么?

GitHub 上排名第一的开源 #multimodal-large-language-models 项目是 BradyFU/Awesome-Multimodal-Large-Language-Models,拥有 18,090 个 Star。:sparkles::sparkles:多模态大语言模型的最新进展

2

#multimodal-large-language-models 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #multimodal-large-language-models 项目中,最常见的编程语言是 Python, Jupyter Notebook, HTML, C++。

3

#multimodal-large-language-models 仓库的排名是如何计算的?

我们跟踪了 43 个标记为 #multimodal-large-language-models 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 78,032 个 Star,平均每个仓库拥有 1,814 个 Star。排名每日根据 GitHub API 更新。