Awesome-Video-Reasoning-Landscape

一张图看懂视频推理，快速上手最新研究

这是一个关于视频推理领域的开源综述项目，旨在系统梳理视频推理的最新任务、范式和基准。它解决了视频理解领域缺乏统一知识框架的问题，帮助研究者和开发者快速了解视频推理的现状。项目核心能力包括：整理视频推理任务分类（如时空推理、因果推理等）、归纳主流方法范式（如思维链、帧链等）、汇总公开基准数据集，并跟踪多模态大模型在视频推理上的进展。通过结构化的清单和资源链接，用户能高效获取关键论文、代码和数据集，降低入门门槛。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 191

维护状态活跃

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队LJungang

所属国家

官网地址

GitHubhttps://github.com/LJungang/Awesome-Video-Reasoning-Landscape

定价模式free

价格说明开源项目，完全免费，无付费版本。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型artificial-intelligence,awesome,benchmarks,chain-of-frames,chain-of-thought,large-language-models,multimodal-large-language-models,omni,paper-list,real-time-video-understanding,streaming-video-reasoning,streaming-video-understanding,think-with-video,video-generation,video-reasoning,world-model

GitHub 星标★ 191

30天Star增速

HF 下载量

上线时间2024-10-11 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

系统梳理了视频推理的任务分类和评价基准，便于横向对比
整合了思维链、帧链等前沿范式，紧跟多模态大模型趋势
以清单形式组织资源，查找论文和代码非常便捷

不足之处

项目处于早期，内容覆盖可能不够全面
文档/社区待观察

适用场景

科研人员调研视频推理方向，快速定位关键论文
工程师评估视频理解技术选型，了解可用基准
学生入门多模态学习，获取学习路线图

替代项目

Awesome-Video-Understanding、Awesome-Multimodal-Large-Language-Models、Awesome-Video-Diffusion

项目介绍

Awesome-Video-Reasoning-Landscape 是评测安全领域的开源项目，由 LJungang 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 191。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-17。完全免费，无付费版本。

它主要面向的使用场景是：科研人员调研视频推理方向，快速定位关键论文。同类可对比的替代方案包括 Awesome-Video-Understanding、Awesome-Multimodal-Large-Language-Models、Awesome-Vid…。

上一篇：Apple-PI

下一篇：WorldLens