Git Stars Git Stars

#video-understanding 仓库

探索 51 个标记为 #video-understanding 的活跃开源 GitHub 仓库,它们累计获得 114,089 个 Star(平均每个项目 2,237 个)。该主题的领先项目是 QwenLM/Qwen3-VL,拥有 20,240 个 Star。

51
仓库总数
114,089
总星标数
2,237
平均每个仓库星标数
1
QwenLM/Qwen3-VL

Qwen3-VL 是阿里云Qwen团队开发的系列多模态大语言模型。

QwenLM
⭐ 20,240 Jupyter Notebook 👤 QwenLM Organization 🕐 已更新 2026-01-30 📅 创建时间 2024-08-29
2
facebookresearch/SlowFast

PySlowFast:来自 FAIR 的视频理解代码库,用于复现最先进的视频模型。

facebookresearch
⭐ 7,447 Python 👤 facebookresearch Organization 🕐 已更新 2026-03-16 📅 创建时间 2019-08-20
3
LargeWorldModel/LWM

大型世界模型 -- 使用数百万上下文进行文本和视频建模

LargeWorldModel
⭐ 7,391 Python 👤 LargeWorldModel Organization 🕐 已更新 2024-10-19 📅 创建时间 2024-02-08
4
open-mmlab/mmaction2

OpenMMLab 的下一代视频理解工具箱和基准测试

open-mmlab
⭐ 5,203 Python 👤 open-mmlab Organization 🕐 已更新 2026-03-18 📅 创建时间 2020-07-11
5
facebookresearch/vjepa2

用于VJEPA2视频自监督学习的PyTorch代码和模型。

facebookresearch
⭐ 4,911 Python 👤 facebookresearch Organization 🕐 已更新 2026-10-29 📅 创建时间 2025-04-25
7
EvolvingLMMs-Lab/lmms-eval

文本、图像、视频和音频任务的“统一评估”多模态工具包

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-03-07
8
NVlabs/VILA

VILA 是一个由最先进的视觉语言模型 (VLM) 组成的系列,适用于边缘、数据中心和云端的各种多模态人工智能任务。

NVlabs
⭐ 3,873 Python 👤 NVlabs Organization 🕐 已更新 2026-03-12 📅 创建时间 2024-02-23
9
facebookresearch/pytorchvideo

一个用于视频理解研究的深度学习库。

facebookresearch
⭐ 3,568 Python 👤 facebookresearch Organization 🕐 已更新 2026-10-16 📅 创建时间 2021-03-09
10
OpenGVLab/Ask-Anything

[CVPR2024 Highlight][VideoChatGPT] 具备视频理解能力的 ChatGPT!还支持 miniGPT4、StableLM 和 MOSS 等更多 LM。

OpenGVLab
⭐ 3,361 Python 👤 OpenGVLab Organization 🕐 已更新 2026-07-17 📅 创建时间 2023-04-19
11
yoloytang/Awesome-LLMs-for-Video-Understanding

🔥🔥🔥 [IEEE TCSVT] Vid-LLM 的最新论文、代码和数据集。

yoloytang
⭐ 3,310 👤 yoloytang User 🕐 已更新 2026-11-11 📅 创建时间 2023-07-16
12
google-research/kubric

一个用于创建具有丰富注释(如实例分割掩码、深度图和光流)的半真实合成多对象视频的数据生成管道。

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 已更新 2026-05-21 📅 创建时间 2020-07-22
13
OpenGVLab/InternVideo

[ECCV2024] 视频基础模型和多模态理解数据

OpenGVLab
⭐ 2,421 Python 👤 OpenGVLab Organization 🕐 已更新 2026-07-02 📅 创建时间 2022-11-23
14
facebookresearch/perception_models

最先进的图像和视频 CLIP、多模态大型语言模型等!

facebookresearch
⭐ 2,415 Jupyter Notebook 👤 facebookresearch Organization 🕐 已更新 2026-04-13 📅 创建时间 2025-04-16
15
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-思考:迈向具有可扩展强化学习的通用多模态推理

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 已更新 2026-11-06 📅 创建时间 2025-06-28
16
mit-han-lab/temporal-shift-module

[ICCV 2019] TSM: 用于高效视频理解的时间移位模块

mit-han-lab
⭐ 2,167 Python 👤 mit-han-lab Organization 🕐 已更新 2024-07-11 📅 创建时间 2019-03-27
17
HKUDS/VideoAgent

[EMNLP2026]“VideoAgent:用于视频理解、编辑与重制的一体化智能体框架”

HKUDS
⭐ 2,059 Python 👤 HKUDS Organization 🕐 已更新 2026-07-22 📅 创建时间 2025-07-16
18
NVIDIA-AI-Blueprints/video-search-and-summarization

NVIDIA AI 视频搜索与摘要(VSS)蓝图是一种 GPU 加速的参考架构,用于构建具有实时验证警报、视觉问答和自动报告功能的视频分析代理。VSS 蓝图使用视觉语言模型(VLM),如 NVIDIA Cosmos,大语言模型(LLM),如 NVIDIA Nemotron,以及 RAG 和 NVIDIA NIM。

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-10-22
⭐ 1,795 Python 👤 microsoft Organization 🕐 已更新 2026-11-02 📅 创建时间 2026-06-15
20
PaddlePaddle/PaddleVideo

基于PaddlePaddle的强大视频理解工具包。它支持视频数据标注工具、轻量级RGB和骨骼 기반动作识别模型,以及用于视频标签和运动动作检测的实用应用程序。

PaddlePaddle
⭐ 1,698 Python 👤 PaddlePaddle Organization 🕐 已更新 2025-02-12 📅 创建时间 2020-11-12
21
bytedance/SALMONN

SALMONN家族:一套先进的多模态大语言模型

bytedance
⭐ 1,576 👤 bytedance Organization 🕐 已更新 2026-10-16 📅 创建时间 2023-08-11
22
bytedance/Lance

一个具有 30 亿活跃参数的原生统一多模态模型,用于图像和视频的理解、生成与编辑。

bytedance
⭐ 1,370 Python 👤 bytedance Organization 🕐 已更新 2026-07-14 📅 创建时间 2026-05-15
23
DAMO-NLP-SG/VideoLLaMA3

用于图像和视频理解的前沿多模态基础模型

DAMO-NLP-SG
⭐ 1,174 Jupyter Notebook 👤 DAMO-NLP-SG Organization 🕐 已更新 2025-08-14 📅 创建时间 2025-01-19
24
TheShadow29/awesome-grounding

awesome grounding: 视觉 grounding 领域研究论文的精选列表

TheShadow29
⭐ 1,132 👤 TheShadow29 User 🕐 已更新 2026-10-16 📅 创建时间 2018-09-03
25
mit-han-lab/streaming-vlm

StreamingVLM:无限视频流的实时理解

mit-han-lab
⭐ 1,095 Python 👤 mit-han-lab Organization 🕐 已更新 2025-10-15 📅 创建时间 2025-10-11
26
OpenGVLab/VideoMamba

[ECCV2024] VideoMamba: 一种用于高效视频理解的状态空间模型

OpenGVLab
⭐ 1,052 Python 👤 OpenGVLab Organization 🕐 已更新 2024-07-06 📅 创建时间 2024-03-11
27
cuixing158/Awesome-CV-MasterHub

:fire: :fire: :fire: 一些近期计算机视觉(CV)工作的论文列表

cuixing158
⭐ 986 👤 cuixing158 User 🕐 已更新 2026-11-08 📅 创建时间 2025-02-14
28
activitynet/ActivityNet

此仓库旨在托管 ActivityNet 的工具和演示。

activitynet
⭐ 965 Jupyter Notebook 👤 activitynet Organization 🕐 已更新 2024-03-21 📅 创建时间 2015-10-23
29
PKU-YuanGroup/Chat-UniVi

[CVPR 2024 Highlight🔥] Chat-UniVi: 统一视觉表征赋能大语言模型实现图像和视频理解

PKU-YuanGroup
⭐ 943 Python 👤 PKU-YuanGroup Organization 🕐 已更新 2024-10-16 📅 创建时间 2023-11-13
30
Valen-Team/Valen

开放式多模态决策模型,参数规模从 0.8B 到 27B,支持文本、图像和视频。对自选候选项进行概率判断,并用边界框定位,而非生成文本。提供免费 API、ONNX、GGUF、vLLM 和 SGLang;附带微调代码。

Valen-Team
⭐ 932 Python 👤 Valen-Team Organization 🕐 已更新 2026-11-15 📅 创建时间 2026-09-23
31
tulerfeng/Video-R1

Video-R1: 增强多模态大模型中的视频推理能力 [🔥首篇探索视频R1的研究]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 已更新 2025-12-14 📅 创建时间 2025-02-22
32
DirtyHarryLYL/LLM-in-Vision

近期基于LLM的计算机视觉及相关工作。欢迎评论/贡献!

DirtyHarryLYL
⭐ 868 👤 DirtyHarryLYL User 🕐 已更新 2025-03-08 📅 创建时间 2023-03-10
33
dvlab-research/LLaMA-VID

LLaMA-VID:在大型语言模型中,一张图像相当于2个Token(ECCV 2024)

JIA-Lab-research
⭐ 854 Python 👤 JIA-Lab-research Organization 🕐 已更新 2024-07-29 📅 创建时间 2023-11-28
34
OpenMOSS/MOSS-VL

一个用于长视频和实时视频理解的开放权重 11B 模型系列

OpenMOSS
⭐ 838 C++ 👤 OpenMOSS Organization 🕐 已更新 2026-10-14 📅 创建时间 2026-04-08
35
CodeGoat24/UnifiedReward

UnifiedReward 及 [NeurIPS 2025] UnifiedReward-Think 及 UnifiedReward-Flex 的官方实现

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 已更新 2026-06-18 📅 创建时间 2025-03-04
37
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
38
OpenGVLab/VideoMAEv2

[CVPR 2023] VideoMAE V2: 通过双重掩码扩展视频掩码自编码器

OpenGVLab
⭐ 730 Python 👤 OpenGVLab Organization 🕐 已更新 2024-10-08 📅 创建时间 2023-04-04
39
showlab/videollm-online

VideoLLM-online: 流式视频的在线视频大语言模型 (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 已更新 2025-11-26 📅 创建时间 2024-06-17
40
magic-research/PLLaVA

PLLaVA 论文官方仓库

magic-research
⭐ 676 Python 👤 magic-research Organization 🕐 已更新 2024-07-28 📅 创建时间 2024-04-18
41
bytedance/vidi

“Vidi:用于视频理解和编辑的大型多模态模型”的官方仓库

bytedance
⭐ 662 Python 👤 bytedance Organization 🕐 已更新 2026-08-03 📅 创建时间 2025-02-08
43
Vision-CAIR/MiniGPT4-video

用于长视频理解的Goldfish模型和用于短视频理解的MiniGPT4-video的官方代码

Vision-CAIR
⭐ 637 Python 👤 Vision-CAIR Organization 🕐 已更新 2024-12-10 📅 创建时间 2024-03-23
44
jy0205/LaVIT

LaVIT:賦能大型語言模型理解和生成視覺內容

jy0205
⭐ 601 Jupyter Notebook 👤 jy0205 User 🕐 已更新 2024-10-06 📅 创建时间 2023-09-09
45
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
46
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
47
zhenyingfang/Awesome-Temporal-Action-Detection-Temporal-Action-Proposal-Generation

时序动作检测 & 弱监督时序动作检测 & 时序动作提议生成

zhenyingfang
⭐ 597 👤 zhenyingfang User 🕐 已更新 2026-11-20 📅 创建时间 2020-03-09
48
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
49
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
50
AssafSinger94/dino-tracker

“DINO-Tracker:为单视频中 DINO 自监督点跟踪驯服 DINO”(ECCV 2024)的官方 Pytorch 实现

AssafSinger94
⭐ 543 Python 👤 AssafSinger94 User 🕐 已更新 2024-11-23 📅 创建时间 2024-04-03

常见问题解答

1

GitHub 上最受欢迎的 #video-understanding 仓库是什么?

GitHub 上排名第一的开源 #video-understanding 项目是 QwenLM/Qwen3-VL,拥有 20,240 个 Star。Qwen3-VL 是阿里云Qwen团队开发的系列多模态大语言模型。

2

#video-understanding 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #video-understanding 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, JavaScript。

3

#video-understanding 仓库的排名是如何计算的?

我们跟踪了 51 个标记为 #video-understanding 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 114,089 个 Star,平均每个仓库拥有 2,237 个 Star。排名每日根据 GitHub API 更新。