#vision-language-models 仓库
探索 86 个标记为 #vision-language-models 的活跃开源 GitHub 仓库,它们累计获得 198,329 个 Star(平均每个项目 2,306 个)。该主题的领先项目是 Vision-CAIR/MiniGPT-4,拥有 25,770 个 Star。
共 86 个仓库
MiniGPT-4 和 MiniGPT-v2 的开源代码 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
本仓库包含“FastVLM: Efficient Vision Encoding for Vision Language Models” (CVPR 2025) 的官方实现
一份精心策划的关于具身人工智能(Embodied AI)的前沿研究列表,重点关注视觉-语言-动作 (VLA) 模型、视觉-语言导航 (VLN) 以及相关的多模态学习方法。
[NeurIPS 2025] OmniSVG 是首个端到端的全能型多模态 SVG 生成器系列,它利用预训练的视觉语言模型 (VLM),能够生成从简单图标到复杂动漫角色的复杂而精细的 SVG。
语义搜索。通过自然语言搜索本地照片和视频。AI语义搜索本地素材。以图搜图、查找本地素材、根据文字描述匹配画面、视频帧搜索、根据画面描述搜索视频。
Colivara 是一套服务,可让您根据视觉嵌入存储、搜索和检索文档。ColiVara 在文本和视觉文档方面均具有最先进的检索性能。使用视觉模型,而不是对文档进行分块和文本处理。无 OCR,无文本提取,无损坏的表格或丢失的图像。
精心整理的 200 多种视觉语言模型(VLM/MLLM)架构可视化目录:涵盖论文、示意图、训练方案、数据集,以及多模态 AI 智能体的发布时间线。
轻量级 LLM Post-training 框架,支持 SFT、RLVR、On-Policy KD、Guide KD 及混合训练;实现单轮/多轮 Guide 蒸馏、多教师蒸馏、Reward 混合训练与自动化数据分流👩🎓👨🎓
常见问题解答
GitHub 上最受欢迎的 #vision-language-models 仓库是什么?
GitHub 上排名第一的开源 #vision-language-models 项目是 Vision-CAIR/MiniGPT-4,拥有 25,770 个 Star。MiniGPT-4 和 MiniGPT-v2 的开源代码 (https://minigpt-4.github.io, https://minigpt-v2.github.io/)
#vision-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 #vision-language-models 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, Rust。
#vision-language-models 仓库的排名是如何计算的?
我们跟踪了 86 个标记为 #vision-language-models 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 198,329 个 Star,平均每个仓库拥有 2,306 个 Star。排名每日根据 GitHub API 更新。