Git Stars Git Stars

#vision-language-models 仓库

86
仓库总数
198,329
总星标数
2,306
平均每个仓库星标数
51
rai-opensource/vlfm

该仓库提供了与论文 VLFM: Vision-Language Frontier Maps for Zero-Shot Semantic Navigation (ICRA 2024) 相关的代码

rai-opensource
⭐ 834 Python 👤 rai-opensource Organization 🕐 已更新 2025-11-12 📅 创建时间 2023-07-04
52
taco-group/4KAgent

[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. 一个智能计算机视觉代理,可以将任何图像神奇地恢复到完美的 4K!

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 已更新 2025-09-24 📅 创建时间 2025-05-27
53
thu-ml/RDT2

RDT 2 的官方代码

thu-ml
⭐ 811 Python 👤 thu-ml Organization 🕐 已更新 2026-02-07 📅 创建时间 2025-09-19
⭐ 803 👤 mll-lab-nu Organization 🕐 已更新 2026-08-23 📅 创建时间 2025-02-07
55
microsoft/RegionCLIP

[CVPR 2022] "RegionCLIP: Region-based Language-Image Pretraining" 官方代码

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 已更新 2024-03-20 📅 创建时间 2022-03-18
57
bryanswkim/Chain-of-Zoom

[NeurIPS'25 Spotlight] "Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment" 的官方仓库

bryanswkim
⭐ 777 Python 👤 bryanswkim User 🕐 已更新 2025-09-27 📅 创建时间 2025-05-26
58
ModalMinds/MM-EUREKA

MM-EUREKA:使用基于规则的强化学习探索多模态推理的前沿

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 已更新 2025-09-07 📅 创建时间 2025-03-07
59
zli12321/Vision-Language-Models-Overview

一份关于视觉-语言模型论文的前沿合集与综述,以及模型的 GitHub 仓库。持续更新。

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 已更新 2026-10-13 📅 创建时间 2024-11-27
61
lupantech/ScienceQA

NeurIPS 2022 论文“Learn to Explain: Multimodal Reasoning via Thought Chains for Science Question Answering”的数据和代码。

lupantech
⭐ 715 Python 👤 lupantech User 🕐 已更新 2024-09-19 📅 创建时间 2022-10-17
62
kerrj/lerf

LERF:语言嵌入式辐射场代码

kerrj
⭐ 710 Python 👤 kerrj User 🕐 已更新 2024-07-09 📅 创建时间 2023-04-04
63
taokz/BiomedGPT

BiomedGPT:一个通用的视觉-语言基础模型,用于各种生物医学任务

taokz
⭐ 707 Python 👤 taokz User 🕐 已更新 2025-07-08 📅 创建时间 2023-05-11
65
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
66
xiaomi-mlab/Orion

[ICCV 2025] “ORION:一种通过视觉-语言指导的动作生成实现的整体端到端自动驾驶框架”的官方代码

xiaomi-mlab
⭐ 674 Python 👤 xiaomi-mlab User 🕐 已更新 2026-06-22 📅 创建时间 2025-03-11
67
RyanWangZf/MedCLIP

EMNLP'22 | MedCLIP: 来自非配对医学图像和文本的对比学习

RyanWangZf
⭐ 652 Python 👤 RyanWangZf User 🕐 已更新 2024-04-12 📅 创建时间 2022-02-19
68
run-llama/ParseBench

ParseBench - 面向AI代理的文档解析基准

run-llama
⭐ 650 Python 👤 run-llama Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-10
69
zqhang/AnomalyCLIP

AnomalyCLIP (ICLR 2024) 的官方实现

zqhang
⭐ 648 Python 👤 zqhang User 🕐 已更新 2025-07-08 📅 创建时间 2023-10-19
70
PromtEngineer/localGPT-Vision

使用视觉语言模型与您的文档进行聊天。此存储库实现了包含本地和专有 VLM 的端到端 RAG 管道。

PromtEngineer
⭐ 633 Python 👤 PromtEngineer User 🕐 已更新 2025-07-26 📅 创建时间 2024-10-01
71
xiaomi-research/recogdrive

[ICLR 2026] ReCogDrive:端到端自动驾驶的强化认知框架

xiaomi-research
⭐ 632 Python 👤 xiaomi-research Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-06-05
72
VectorSpaceLab/Video-XL

🔥🔥首个小时级视频理解模型

VectorSpaceLab
⭐ 626 Python 👤 VectorSpaceLab Organization 🕐 已更新 2025-07-14 📅 创建时间 2024-09-20
73
Ucas-HaoranWei/Vary-toy

Vary-toy (小型语言模型与强化视觉词汇的结合) 的官方代码实现

Ucas-HaoranWei
⭐ 626 Python 👤 Ucas-HaoranWei User 🕐 已更新 2024-12-30 📅 创建时间 2024-01-10
74
opendilab/awesome-multi-modal-reinforcement-learning

精选的多模态强化学习资源列表(持续更新中)

opendilab
⭐ 621 👤 opendilab Organization 🕐 已更新 2026-05-30 📅 创建时间 2022-09-01
75
thu-coai/Glyph

“Glyph:通过视觉文本压缩扩展上下文窗口”的官方存储库

thu-coai
⭐ 612 Python 👤 thu-coai Organization 🕐 已更新 2025-11-04 📅 创建时间 2025-10-20
76
levyflux/AViD

支持在自定义数据集上微调视觉-语言基础模型的框架

levyflux
⭐ 608 Python 👤 levyflux User 🕐 已更新 2026-08-30 📅 创建时间 2025-03-19
77
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
78
THUDM/INFTY

INFTY Engine: 一个支持持续AI的优化工具包

THUDM
⭐ 578 Python 👤 THUDM Organization 🕐 已更新 2026-09-01 📅 创建时间 2025-09-11
81
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
82
mbzuai-oryx/XrayGPT

[BIONLP@ACL 2024] XrayGPT: 使用医学视觉语言模型总结胸部X光片。

mbzuai-oryx
⭐ 526 Python 👤 mbzuai-oryx Organization 🕐 已更新 2024-08-08 📅 创建时间 2023-05-18
83
mll-lab-nu/VAGEN

面向多轮视觉语言模型(VLM)智能体的世界模型强化学习。视觉强化学习框架(NeurIPS 2025)。

mll-lab-nu
⭐ 525 Python 👤 mll-lab-nu Organization 🕐 已更新 2026-10-29 📅 创建时间 2025-03-04
84
luogen1996/LaVIN

[NeurIPS 2023] "Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models" 的官方实现

luogen1996
⭐ 525 Python 👤 luogen1996 User 🕐 已更新 2024-01-27 📅 创建时间 2023-05-15
86
erwinmsmith/SOMAS

一个可信赖的人类-多智能体强化学习交互框架

erwinmsmith
⭐ 502 Python 👤 erwinmsmith User 🕐 已更新 2026-10-04 📅 创建时间 2025-05-13