Awesome_Think_With_Images

一页看全“用图像思考”的多模态推理论文地图

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数据集 🍴 复刻 48 🐛 待处理 7 👀 关注 23

GitHub ↗

GitHub 星标 ★ 1516

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费资源列表

项目预览

Awesome_Think_With_Images 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类数据集

开发团队zhaochen0110

GitHubhttps://github.com/zhaochen0110/Awesome_Think_With_Images

定价模式🏷️完全免费

价格说明开源免费资源列表

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

技术栈/模型large-vision-language-models,multimodal-reasoning-visual-reasoning,survey-awesome-list,thinking-with-images

GitHub 星标★ 1516

上线时间2025-05-30 00:00:00

代码更新2026-10-08

仓库体积6.9 MB

本站数据更新2026-10-23

维护状态较活跃

收录时间2026-10-23

浏览次数0

项目介绍

这是一个面向大型视觉语言模型（LVLM）的论文与资源清单，配套一篇关于“用图像思考”的综述。它要解决的问题是：当前多模态模型在处理复杂推理、规划和生成时，往往只把图像当作被动输入，缺乏主动利用视觉信息进行思考的机制。项目系统整理了该方向的研究脉络，涵盖视觉推理、多模态规划、图像辅助生成等主题，把散落在各处的论文、数据集、评测基准和方法归类汇总，方便研究者和工程师快速建立全局认知、定位关键工作。核心能力是作为导航式知识库：按任务和方法组织文献，提供综述框架，帮助读者理解 LVLM 如何借助图像进行多步推理与决策，并跟踪该领域最新进展。适合做多模态推理研究、模型设计选型或写综述时作为起点。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-10-23 · 当前星标 ★ 1516

技术标签

large-vision-language-models

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 Git（用于克隆仓库）
可访问 GitHub 与 arXiv 的网络环境
能打开 PDF 的阅读器（阅读配套综述论文）
无需 Python、GPU 等运行环境

安装与启动步骤

1克隆仓库到本地

把整个资源清单仓库拉到本地，作为离线浏览的入口。仓库只有文档，不涉及代码安装。
```
git clone https://github.com/zhaochen0110/Awesome_Think_With_Images.git
```
2进入项目目录

切换到克隆下来的目录，确认能看到 README 等说明文件。
```
cd Awesome_Think_With_Images
```
3阅读 README 导航

README 按三大阶段组织文献（工具驱动探索、程序化操作、内在视觉想象），据此定位感兴趣的主题。
4下载配套综述

README 给出的综述论文链接，下载 PDF 先读整体框架再回头查具体论文条目。
5按主题检索论文

在 README 分类中挑出目标任务（如视觉推理、多模态规划），逐个打开对应论文链接跟进。