Awesome_Matching_Pretraining_Transfering

一页看尽多模态大模型论文，快速入门不迷路

这是一个精选论文列表项目，收录了大型多模态模型（LMM）在感知、生成、统一方面的前沿研究，同时覆盖参数高效微调（PEFT）、视觉-语言预训练（VLP）以及传统图像-文本匹配等方向。项目旨在为研究人员和工程师提供一个系统化的论文索引，帮助快速了解多模态领域的关键进展和基础方法。它按主题分类整理论文，并附带简要说明，方便用户按需查阅。虽然项目本身不包含代码实现，但通过结构化的论文清单，降低了领域入门门槛，尤其适合刚接触多模态或视觉-语言研究的用户作为起点。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 446

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队Paranioar

所属国家

官网地址

GitHubhttps://github.com/Paranioar/Awesome_Matching_Pretraining_Transfering

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型awesome-list,cross-modal-retrieval,image-text-matching,image-text-retrieval,large-language-model,large-language-models,large-vision-language-models,large-vision-models,memory-efficient-tuning,multimodal-large-language-models,multimodal-pretraining,parameter-efficient-fine-tuning,text-to-image-generation,text-to-image-synthesis,text-to-video-generation,tutorial,video-text-recognition,video-text-retrieval,vision-and-language,visual-semantic-embedding

GitHub 星标★ 446

30天Star增速

HF 下载量

上线时间2020-12-22 00:00:00

最近更新2026-09-08 00:00:00

维护状态低维护

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12

使用教程

核心亮点

分类清晰，覆盖感知、生成、统一、微调、预训练等核心子方向
收录较新论文，紧跟大模型与多模态结合的前沿趋势
附带初步洞察，帮助理解各方向的研究脉络

不足之处

仅提供论文列表，无代码或实验复现，实用性有限
更新维护频率未知，可能滞后于最新进展
文档/社区待观察

适用场景

科研入门：快速了解多模态大模型领域的关键论文和方向
选题调研：查找视觉-语言预训练和参数高效微调的相关工作
技术选型：对比不同多模态模型架构和训练方法

替代项目

Awesome-Vision-Language-Pretraining、Awesome-Multimodal-Large-Language-Models、Papers with Code

项目介绍

Awesome_Matching_Pretraining_Transfering 是数据集领域的开源项目，由 Paranioar 开发，2020 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 446。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-08。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：科研入门：快速了解多模态大模型领域的关键论文和方向。同类可对比的替代方案包括 Awesome-Vision-Language-Pretraining、Awesome-Multimodal-Large-Language-Models、Pap…。

上一篇：MM4TSA

下一篇：prontoqa