视觉模型 · GitHub Star 总榜

1Tencent-Hunyuan / Hunyuan3D-2使用混元三维扩散模型生成三维资产的项目。Python许可证未声明15,336

2getomni-ai / zerox使用视觉模型进行 OCR 和文档提取TypeScriptMIT · 宽松，可直接商用12,254

3m87-labs / moondream微小视觉语言模型PythonApache-2.0 · 宽松，可直接商用10,151

4studio-dots-ai / dots.ocr单视觉语言模型中的多语言文档布局解析PythonMIT · 宽松，可直接商用9,185

5apple-aiml-research / ml-fastvlm该存储库包含“FastVLM：视觉语言模型的高效视觉编码”的官方实现 - CVPR 2025Python许可证未声明7,438

6QwenLM / Qwen-VLThe official repo of Qwen-VL (通义千问-VL) chat & pretrained large vision language model proposed by Alibaba Cloud.Python许可证未声明6,728

7Blaizzy / mlx-vlmMLX-VLM 是一个使用 MLX 在 Mac 上推理和微调视觉语言模型 (VLM) 的软件包。PythonMIT · 宽松，可直接商用5,724

8deepseek-ai / DeepSeek-VL2DeepSeek-VL2：用于高级多模态理解的专家混合视觉语言模型PythonMIT · 宽松，可直接商用5,397

9ai-dawang / PlugNPlay-Modules面向计算机视觉模型的即插即用模块合集，整理卷积、注意力、下采样和特征融合等模块，当前主要覆盖二维图像任务。Python许可证未声明5,130

10joanrod / star-vectorStarVector 是 SVG 生成的基础模型，它将矢量化转换为代码生成任务。 StarVector 使用视觉语言建模架构来处理视觉和文本输入，以极高的精度生成高质量的 SVG 代码。PythonApache-2.0 · 宽松，可直接商用4,640

11onehumanbeing / esp32-iphone-agent让 AI 模型使用配备 7 美元 ESP32 的真实 iPhone：AirPlay 眼睛、USB HID 手、任何 OpenAI 兼容的视觉模型。没有Mac，没有开发者帐户，没有越狱。SwiftMIT · 宽松，可直接商用4,569

12torchgeo / torchgeoTorchGeo：地理空间数据的数据集、采样器、转换和预训练模型PythonMIT · 宽松，可直接商用4,238

13NVlabs / VILAVILA 是一系列最先进的视觉语言模型 (VLM)，适用于跨边缘、数据中心和云的各种多模式 AI 任务。PythonApache-2.0 · 宽松，可直接商用3,869

14NVlabs / EagleEagle：具有以数据为中心策略的前沿视觉语言模型PythonApache-2.0 · 宽松，可直接商用3,794

15VainF / Torch-Pruning[CVPR 2023] DepGraph：实现任意结构剪枝；LLM、视觉基础模型等。PythonMIT · 宽松，可直接商用3,368