Git Stars Git Stars

#vision-language 仓库

探索 20 个标记为 #vision-language 的活跃开源 GitHub 仓库,它们累计获得 40,771 个 Star(平均每个项目 2,038 个)。该主题的领先项目是 IDEA-Research/GroundingDINO,拥有 9,509 个 Star。

20
仓库总数
40,771
总星标数
2,038
平均每个仓库星标数
1
IDEA-Research/GroundingDINO

[ECCV 2024] 论文“Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection”的官方实现

IDEA-Research
⭐ 9,509 Python 👤 IDEA-Research Organization 🕐 已更新 2024-08-12 📅 创建时间 2023-03-09
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
salesforce/BLIP

BLIP的PyTorch代码:通过Bootstrapping Language-Image Pre-training实现统一视觉-语言理解和生成

salesforce
⭐ 5,626 Jupyter Notebook 👤 salesforce Organization 🕐 已更新 2024-08-05 📅 创建时间 2022-01-25
4
OFA-Sys/OFA

OFA (ICML 2022) 的官方仓库。论文:OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework

OFA-Sys
⭐ 2,550 Python 👤 OFA-Sys Organization 🕐 已更新 2024-04-24 📅 创建时间 2022-01-29
5
2U1/Qwen-VL-Series-Finetune

阿里云对Qwen-VL系列进行微调的开源实现。

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 已更新 2026-09-09 📅 创建时间 2024-09-10
6
AlibabaResearch/AdvancedLiterateMachinery

面向高级文学机器的原创、创新理念和算法合集。该项目由阿里云言技术实验室同义实验室 OCR 团队维护。

AlibabaResearch
⭐ 1,832 C++ 👤 AlibabaResearch Organization 🕐 已更新 2026-03-17 📅 创建时间 2022-09-28
7
mbzuai-oryx/Video-ChatGPT

[ACL 2024 🔥] Video-ChatGPT 是一个视频对话模型,能够就视频生成有意义的对话。它将 LLM 的能力与为时空视频表示而调整的预训练视觉编码器相结合。我们还为基于视频的对话模型引入了严格的“定量评估基准测试”。

mbzuai-oryx
⭐ 1,516 Python 👤 mbzuai-oryx Organization 🕐 已更新 2026-09-05 📅 创建时间 2023-05-18
8
llm-jp/awesome-japanese-llm

日语LLM汇总 - 日语LLM概述

llm-jp
⭐ 1,446 TypeScript 👤 llm-jp Organization 🕐 已更新 2026-11-09 📅 创建时间 2023-07-09
9
OpenDriveLab/DriveLM

[ECCV 2024 Oral] DriveLM: 通过图视觉问答进行驾驶

OpenDriveLab
⭐ 1,325 HTML 👤 OpenDriveLab Organization 🕐 已更新 2025-07-02 📅 创建时间 2023-08-08
10
OFA-Sys/ONE-PEACE

跨越视觉、音频、语言模态的通用表示模型。论文:ONE-PEACE:探索一种通用表示模型以实现无限模态

OFA-Sys
⭐ 1,063 Python 👤 OFA-Sys Organization 🕐 已更新 2024-10-06 📅 创建时间 2023-05-18
11
TinyLLaVA/TinyLLaVA_Factory

小规模大型多模态模型框架

TinyLLaVA
⭐ 1,010 Python 👤 TinyLLaVA User 🕐 已更新 2026-10-19 📅 创建时间 2024-02-21
12
mees/calvin

CALVIN - 面向长时序机器人操作任务的语言条件策略学习基准

mees
⭐ 985 Python 👤 mees User 🕐 已更新 2025-09-08 📅 创建时间 2021-07-20
13
SunzeY/AlphaCLIP

[CVPR 2024] Alpha-CLIP:一个你想要的任意关注点的CLIP模型

SunzeY
⭐ 876 Jupyter Notebook 👤 SunzeY User 🕐 已更新 2025-07-20 📅 创建时间 2023-11-27
14
mbzuai-oryx/LLaVA-pp

🔥🔥 LLaVA++: 使用 Phi-3 和 LLaMA-3 扩展 LLaVA (LLaVA LLaMA-3, LLaVA Phi-3)

mbzuai-oryx
⭐ 843 Python 👤 mbzuai-oryx Organization 🕐 已更新 2026-09-05 📅 创建时间 2024-04-26
15
longzw1997/Open-GroundingDino

这是论文 Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection 的第三方实现。

longzw1997
⭐ 840 Python 👤 longzw1997 User 🕐 已更新 2025-07-27 📅 创建时间 2023-10-14
16
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
17
Algolzw/daclip-uir

[ICLR 2024] 控制视觉-语言模型实现通用图像恢复。NTIRE 2024 Restore Any Image Model in the Wild 挑战赛第五名。

Algolzw
⭐ 799 Python 👤 Algolzw User 🕐 已更新 2024-08-07 📅 创建时间 2023-09-30
18
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
19
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
20
zhaozh10/Awesome-CLIP-in-Medical-Imaging

关于CLIP在医学影像中的综述

zhaozh10
⭐ 509 👤 zhaozh10 User 🕐 已更新 2025-03-26 📅 创建时间 2023-11-21

常见问题解答

1

GitHub 上最受欢迎的 #vision-language 仓库是什么?

GitHub 上排名第一的开源 #vision-language 项目是 IDEA-Research/GroundingDINO,拥有 9,509 个 Star。[ECCV 2024] 论文“Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection”的官方实现

2

#vision-language 仓库中最常使用的编程语言有哪些?

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

3

#vision-language 仓库的排名是如何计算的?

我们跟踪了 20 个标记为 #vision-language 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 40,771 个 Star,平均每个仓库拥有 2,038 个 Star。排名每日根据 GitHub API 更新。