Git Stars Git Stars

#vlm 仓库

89
仓库总数
457,898
总星标数
5,144
平均每个仓库星标数
51
NVIDIA-NeMo/Automodel

🚀 用于 LLM/VLM 的 Pytorch 分布式原生训练库,支持开箱即用的 Hugging Face

NVIDIA-NeMo
⭐ 1,096 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-05-21
52
BAAI-DCAI/Bunny

一组轻量级的多模态模型。

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 已更新 2024-11-18 📅 创建时间 2024-01-31
53
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
54
EvolvingLMMs-Lab/NEO

NEO 系列:基于第一性原理的原生视觉语言模型

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 已更新 2026-11-11 📅 创建时间 2025-10-16
55
candle-org/MindAct

MindSpore + 🤗Huggingface:在MindSpore上运行任何Transformers/Diffusers模型,实现无缝兼容和加速。

candle-org
⭐ 921 Python 👤 candle-org Organization 🕐 已更新 2026-09-01 📅 创建时间 2022-09-23
56
Skythinker616/gpt-assistant-android

【新增智能体模式】安卓端全场景GPT助手,可用音量键唤起并进行语音交流,支持联网、拍照、模板、附件解析、智能体模式等 | GPT assistant for Android, activated via volume keys for voice interaction, supporting features such as networking, taking photos, templates, parsing PDF and Office documents, and agent mode.

Skythinker616
⭐ 908 Java 👤 Skythinker616 User 🕐 已更新 2026-05-05 📅 创建时间 2023-09-13
57
PKU-YuanGroup/UniWorld

UniWorld:用于统一视觉理解和生成的\[%s]高分辨率语义编码器

PKU-YuanGroup
⭐ 896 Python 👤 PKU-YuanGroup Organization 🕐 已更新 2025-12-23 📅 创建时间 2024-11-21
58
OpenDCAI/OpenWorldLib

先进的的世界模型统一代码库。

OpenDCAI
⭐ 892 Python 👤 OpenDCAI Organization 🕐 已更新 2026-10-29 📅 创建时间 2025-11-21
59
baidu-baige/LoongForge

一个用于在 NVIDIA GPU 和昆仑 XPU 上训练 LLM、VLM、扩散模型和具身模型的高性能框架。支持 Pi0.5、GR00T-N1.7、FastWAM、Cosmos3、DreamZero、DeepSeek-V4、GLM-5.3、Kimi-K3 等模型。

baidu-baige
⭐ 881 Python 👤 baidu-baige Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-04-23
60
SkyworkAI/UniPic

开源 SOTA 多图像编辑模型

SkyworkAI
⭐ 877 Python 👤 SkyworkAI Organization 🕐 已更新 2026-07-13 📅 创建时间 2025-07-27
61
Purewhiter/mobilegym

[EMNLP 2026] MobileGym:面向移动 GUI 智能体研究的可验证高并行仿真平台 · 浏览器中运行的安卓模拟器 · 可验证评估 · 可扩展在线强化学习训练

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 已更新 2026-11-16 📅 创建时间 2026-05-14
62
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
63
OpenDataBox/awesome-data-llm

官方“LLM × DATA”调查论文存储库

OpenDataBox
⭐ 836 👤 OpenDataBox Organization 🕐 已更新 2026-10-25 📅 创建时间 2024-08-04
64
zubair-irshad/Awesome-Robotics-3D

一个精选的3D视觉论文列表,涉及大模型时代,即LLMs/VLMs,在机器人领域,灵感来源于awesome-computer-vision,包括论文、代码和相关网站

zubair-irshad
⭐ 824 👤 zubair-irshad User 🕐 已更新 2025-12-17 📅 创建时间 2024-08-12
65
OpenVGLab/OmniLottie

[CVPR 2026🔥] 🧑‍🎨 OmniLottie,一款开源的多模态指令向量动画生成器,可生成 Lottie JSON。

OpenVGLab
⭐ 816 Python 👤 OpenVGLab Organization 🕐 已更新 2026-04-06 📅 创建时间 2026-01-15
66
coderonion/awesome-llm-and-aigc

🚀🚀🚀一个关于大型语言模型(LLM)、视觉语言模型(VLM)、视觉语言动作(VLA)、人工智能生成内容(AIGC)的优秀公共项目合集,以及相关的数据库和应用。

coderonion
⭐ 810 👤 coderonion User 🕐 已更新 2025-08-01 📅 创建时间 2023-02-15
67
FluxVLA/FluxVLA

一个用于具身智能的一站式 VLA 工程平台——从数据到真实机器人部署。

FluxVLA
⭐ 794 Python 👤 FluxVLA Organization 🕐 已更新 2026-11-11 📅 创建时间 2026-04-01
68
MigoXLab/dingo

Dingo: 一款全面的AI数据、模型和应用质量评估工具

MigoXLab
⭐ 771 Python 👤 MigoXLab Organization 🕐 已更新 2026-11-19 📅 创建时间 2024-12-24
69
taco-group/SparkVSR

[ECCV 2026] SparkVSR:基于稀疏关键帧传播的交互式视频超分辨率

taco-group
⭐ 752 Python 👤 taco-group Organization 🕐 已更新 2026-08-03 📅 创建时间 2026-03-16
70
TIGER-AI-Lab/VLM2Vec

该仓库包含“VLM2Vec / MMEB”[ICLR 2025]、“VLM2Vec-V2 / MMEB-V2”[TMLR 2026]和“MMEB-V3”[COLM 2026]的代码。

TIGER-AI-Lab
⭐ 705 Python 👤 TIGER-AI-Lab Organization 🕐 已更新 2026-10-23 📅 创建时间 2024-10-07
71
hybridgroup/yzma

用你自己的智能前行——编写 Go 应用,直接集成 llama.cpp,在 Linux、macOS、Windows 和 WebAssembly 上利用硬件加速进行本地推理。

hybridgroup
⭐ 677 Go 👤 hybridgroup Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-09-21
72
mbzuai-oryx/GeoChat

[CVPR 2024 🔥] GeoChat,首个面向遥感的地理信息大模型

mbzuai-oryx
⭐ 675 Python 👤 mbzuai-oryx Organization 🕐 已更新 2024-11-28 📅 创建时间 2023-11-23
⭐ 650 👤 XiaomiMiMo Organization 🕐 已更新 2026-10-29 📅 创建时间 2025-05-29
74
zenstory-ai/video-recap-skills

AI 视频解说 Agent 技能包:自动切镜、看画面写解说词、配音混音合成成片,可导出剪映/CapCut 草稿,无需 GPU|适用于视频解说回顾与 CapCut 草稿的 Agent 技能

zenstory-ai
⭐ 649 Python 👤 zenstory-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-05-02
75
huggingface/optimum-intel

🤗 Optimum Intel: 使用 Intel 优化工具加速推理

huggingface
⭐ 631 Jupyter Notebook 👤 huggingface Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-05-25
76
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
77
Fabric-Project/Fabric

受Quartz Composer启发的Node创意编码 / 3D / 图像处理工具

Fabric-Project
⭐ 613 Swift 👤 Fabric-Project Organization 🕐 已更新 2026-11-11 📅 创建时间 2025-04-28
78
THUSI-Lab/GameScaling

游戏中的规模化:在多样化虚拟世界中对具身智能体进行持续预训练。模型权重托管于 Hugging Face。

THUSI-Lab
⭐ 604 Python 👤 THUSI-Lab Organization 🕐 已更新 2026-11-19 📅 创建时间 2026-10-10
79
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
80
awwaiid/ghostwriter

将 reMarkable2 用作 vision-LLMs(ChatGPT、Claude、Gemini)的界面。机器中的幽灵!

awwaiid
⭐ 573 Rust 👤 awwaiid User 🕐 已更新 2026-11-12 📅 创建时间 2024-10-06
81
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
82
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
83
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
84
niuzaisheng/ScreenAgent

ScreenAgent: 一个由视觉语言大模型驱动的计算机控制代理 (IJCAI-24)

niuzaisheng
⭐ 547 Python 👤 niuzaisheng User 🕐 已更新 2024-11-25 📅 创建时间 2024-01-15
85
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
86
vulab-AI/Awesome-Spatial-VLMs

[Awesome-Spatial-VLMs] 本仓库是综述论文《Spatial Intelligence in Vision-Language Models: A Comprehensive Survey》的官方社区维护资源。

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 已更新 2026-07-30 📅 创建时间 2025-07-10
87
haoranD/Awesome-Embodied-AI

精选了一份关于具身人工智能(Embodied AI)及相关研究/行业驱动资源的优秀论文清单。

haoranD
⭐ 525 👤 haoranD User 🕐 已更新 2025-06-03 📅 创建时间 2023-07-21
88
coderonion/awesome-cuda-and-hpc

🚀🚀🚀 本仓库列出了一些出色的开源 CUDA、cuda-python、cuBLAS、cuDNN、CUTLASS、TensorRT、TensorRT-LLM、Triton、TVM、MLIR、PTX 以及高性能计算 (HPC) 项目。

coderonion
⭐ 502 👤 coderonion User 🕐 已更新 2025-08-02 📅 创建时间 2023-02-23
89
NVlabs/vla0

VLA-0:零修改构建最先进的视觉-语言-动作模型

NVlabs
⭐ 501 Python 👤 NVlabs Organization 🕐 已更新 2026-02-21 📅 创建时间 2025-10-14