Awesome-Video-MLLMs

一站式追踪视频多模态大模型前沿,快速找到所需模型和基准。

Awesome-Video-MLLMs 是一个专注于视频多模态大模型(MLLMs)及其基准测试的资源汇总项目,覆盖短视频、长视频和流式视频理解三大场景。它系统整理了最新的视频理解模型架构、训练方法、评估基准和数据集,帮助研究者和开发者快速追踪领域前沿。项目以精选列表形式呈现,每个条目附有论文链接和代码仓库,解决了视频理解领域信息分散、入门门槛高的问题。核心能力包括:分类梳理短视频(如时序动作定位)、长视频(如跨场景叙事)和流式视频(如实时交互)的模型与基准;收录了从经典到最新的代表性工作;提供结构化的导航,便于按需查找。作为早期项目,其内容仍在快速迭代,但已具备成为视频MLLM领域重要参考的潜力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 73
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pipixin321
所属国家
官网地址
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源是
开源协议
主要语言
技术栈/模型awesome-list,benchmarks,large-language-models,mllm,multimodal-instruction-tuning,multimodal-video-understanding,video-understanding
GitHub 星标★ 73
30天Star增速
HF 下载量
上线时间2024-12-04 00:00:00
最近更新2026-09-06 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4

使用教程

核心亮点

  • 覆盖短视频、长视频、流式视频三大细分方向,分类清晰,便于按需检索
  • 收录了最新视频MLLMs和基准测试,紧跟领域前沿,信息时效性强
  • 每个条目附论文和代码链接,方便深入研究与复现

不足之处

  • 项目处于早期,星标数少,内容完整性和维护持续性待观察
  • 文档/社区待观察

适用场景

  • 研究者调研视频理解领域最新模型和基准
  • 工程师选型视频MLLM用于具体业务场景
  • 学生入门视频多模态学习,快速建立知识地图

替代项目

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

项目介绍

Awesome-Video-MLLMs 是评测安全领域的开源项目,由 pipixin321 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 466 个项目,GitHub 星标数为 73。

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 2026-09-06。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:研究者调研视频理解领域最新模型和基准。同类可对比的替代方案包括 Awesome-Multimodal-Large-Language-Models、Awesome-Video-Understanding、Awesome-LLM。

上一篇:ChineseHarm-bench

下一篇:llm-eval

同类项目推荐

akto 开源

给 AI 应用做安全体检,防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾,自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12