Git Stars Git Stars

#multimodal 仓库

183
仓库总数
700,629
总星标数
3,828
平均每个仓库星标数

共 183 个仓库

151
taboospecialistblade/ai--manus2.0

AI Manus 是一个通用型 AI 智能体系统,支持在沙盒环境中运行各种工具和执行各类操作。

taboospecialistblade
⭐ 651 👤 taboospecialistblade User 🕐 已更新 2026-11-15 📅 创建时间 2026-11-14
152
Tonephorepair/ai--manus2.0

AI Manus 是一个通用型 AI 智能体系统,支持在沙盒环境中运行各种工具和操作。

Tonephorepair
⭐ 650 👤 Tonephorepair User 🕐 已更新 2026-11-15 📅 创建时间 2026-11-14
153
trackboatwrightplan/ai--manus2.0

AI Manus 是一个通用型 AI 智能体系统,支持在沙盒环境中运行各种工具和操作。

trackboatwrightplan
⭐ 649 👤 trackboatwrightplan User 🕐 已更新 2026-11-15 📅 创建时间 2026-11-14
154
JIA-Lab-research/Seg-Zero

"Seg-Zero: 基于认知强化推理链引导的分割" 项目页面

JIA-Lab-research
⭐ 647 Python 👤 JIA-Lab-research Organization 🕐 已更新 2026-01-17 📅 创建时间 2025-03-07
155
Tencent-Hunyuan/Hunyuan3D-Omni

Hunyuan3D-Omni: 统一框架,用于可控生成3D资产

Tencent-Hunyuan
⭐ 643 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2025-10-17 📅 创建时间 2025-09-25
156
AILab-CVC/SEED

SEED-LLaMA (ICLR 2024) 的官方实现。

AILab-CVC
⭐ 638 Python 👤 AILab-CVC Organization 🕐 已更新 2024-09-21 📅 创建时间 2023-07-15
157
SkalskiP/awesome-foundation-and-multimodal-models

👁️ + 💬 + 🎧 = 🤖 精选的顶级基础模型和多模态模型列表![论文 + 代码 + 示例 + 教程]

SkalskiP
⭐ 635 Python 👤 SkalskiP User 🕐 已更新 2024-02-29 📅 创建时间 2023-10-08
158
motis-project/motis

多模态路由,地理编码和地图瓦片

motis-project
⭐ 628 C++ 👤 motis-project Organization 🕐 已更新 2026-11-18 📅 创建时间 2020-04-14
159
Denis2054/RAG-Driven-Generative-AI

该存储库提供了使用 LlamaIndex、Deep Lake 和 Pinecone 构建生成式 AI 的检索增强生成 (RAG) 代码的程序,利用 OpenAI 和 Hugging Face 模型在生成和评估方面的强大功能。

Denis2054
⭐ 627 Jupyter Notebook 👤 Denis2054 User 🕐 已更新 2025-09-23 📅 创建时间 2024-04-19
160
omriav/blended-latent-diffusion

"Blended Latent Diffusion" [SIGGRAPH 2023] 的官方实现

omriav
⭐ 627 Jupyter Notebook 👤 omriav User 🕐 已更新 2024-06-04 📅 创建时间 2022-06-06
161
turningpoint-ai/VisualThinker-R1-Zero

探索2B模型上的多模态“顿悟时刻”

turningpoint-ai
⭐ 623 Python 👤 turningpoint-ai Organization 🕐 已更新 2025-03-18 📅 创建时间 2025-02-24
162
RobotecAI/rai

RAI 是一个与供应商无关的代理框架,用于物理 AI 机器人技术,利用 ROS 2 工具执行复杂动作、定义场景、自由接口执行、日志摘要、语音交互等。

RobotecAI
⭐ 619 Python 👤 RobotecAI Organization 🕐 已更新 2026-11-11 📅 创建时间 2024-06-04
163
MMMU-Benchmark/MMMU

本仓库包含论文“MMMU:面向专家AGI的多学科多模态大规模理解与推理基准”的评估代码

MMMU-Benchmark
⭐ 601 Python 👤 MMMU-Benchmark Organization 🕐 已更新 2026-11-13 📅 创建时间 2023-11-23
164
oxbshw/watch-skill

为 AI 智能体配备眼睛、耳朵和可验证的结果。Watch Skill 将视频、音频和屏幕活动转化为可搜索、带时间戳的证据,并通过确定性契约而非模型观点证明工作成果。DeepWatch 是基于 DeepSeek Harness 构建的智能体工作空间。支持 Python + npm、MCP、CLI、REST 和 Web。

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 已更新 2026-11-16 📅 创建时间 2026-07-05
165
baaivision/tokenize-anything

[ECCV 2024] 通过提示进行任意内容的切分

baaivision
⭐ 599 Jupyter Notebook 👤 baaivision Organization 🕐 已更新 2024-12-11 📅 创建时间 2023-12-14
166
the-ai-merge/multimodal-agents-course

一个带有眼睛和耳朵的 MCP 多模态 AI 智能体!

the-ai-merge
⭐ 587 Python 👤 the-ai-merge Organization 🕐 已更新 2026-01-05 📅 创建时间 2025-04-07
167
vignshwarar/AI-Employe

使用 GPT-4 Vision 像教人类一样创建浏览器自动化。

vignshwarar
⭐ 587 TypeScript 👤 vignshwarar User 🕐 已更新 2024-02-19 📅 创建时间 2023-12-21
168
SAOS-3624/dsh-video-storyboard

适用于 DeepSeek Harness 的场景感知型分镜:将 9–16 个带编号的画面格、时间戳、转录文本和音频包络压缩到一张图像中(384 个 token)。两种工具:video_storyboard 和 video_zoom。

SAOS-3624
⭐ 585 JavaScript 👤 SAOS-3624 User 🕐 已更新 2026-11-21 📅 创建时间 2026-10-26
169
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
170
omriav/blended-diffusion

“面向文本驱动的自然图像编辑的混合扩散”[CVPR 2022] 的官方实现

omriav
⭐ 582 Jupyter Notebook 👤 omriav User 🕐 已更新 2024-06-04 📅 创建时间 2021-11-29
171
microsoft/psi

情境智能平台

microsoft
⭐ 577 C# 👤 microsoft Organization 🕐 已更新 2026-10-19 📅 创建时间 2016-09-09
172
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
173
alan-ai/alan-sdk-reactnative

为您的应用提供的自编码系统 — React Native 的 Alan AI SDK

alan-ai
⭐ 573 Ruby 👤 alan-ai Organization 🕐 已更新 2026-02-14 📅 创建时间 2019-10-23
174
monatis/clip.cpp

纯 C/C++ 形式的 CLIP 推理,无需额外依赖

monatis
⭐ 572 C++ 👤 monatis User 🕐 已更新 2026-08-24 📅 创建时间 2023-04-28
175
Code-Amadeus/Amadeus

实时多模态桌面代理,正逐步演变为持久化的 AI 操作系统界面(0.17 α)。

Code-Amadeus
⭐ 570 Python 👤 Code-Amadeus Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-07-26
176
Flame-Code-VLM/Flame-Code-VLM

Flame 是一个开源的多模态 AI 系统,旨在将 UI 设计模型翻译成高质量的 React 代码。它利用视觉语言建模、自动化数据合成和结构化训练工作流程,以弥合设计与前端开发之间的差距。

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 已更新 2026-02-11 📅 创建时间 2025-02-10
177
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
178
vlm-run/vlmrun-hub

用于VLMs的各种行业特定模式的中心。

vlm-run
⭐ 555 Python 👤 vlm-run Organization 🕐 已更新 2025-12-15 📅 创建时间 2024-11-11
179
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
180
OmniJev/Flide

🔥🔥 面向决策模型的超高速推理引擎

OmniJev
⭐ 550 Python 👤 OmniJev Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-10-24
181
google/break-a-scene

“Break-A-Scene: Extracting Multiple Concepts from a Single Image”[SIGGRAPH Asia 2023]的官方实现

google
⭐ 525 Python 👤 google Organization 🕐 已更新 2024-01-14 📅 创建时间 2023-09-13
⭐ 517 Zig 👤 antflydb Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-03-15
183
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