VisionFoundry

用合成图像训练VLM，低成本提升视觉感知能力

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 1 🐛 待处理 1 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 58
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0 许可证，可免费使用和部署。

项目预览

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

项目数据

分类开源模型
开发团队zlab-princeton
官网地址https://zlab-princeton.github.io/VisionFoundry
GitHubhttps://github.com/zlab-princeton/VisionFoundry
定价模式🏷️完全免费
价格说明开源项目，Apache-2.0 许可证，可免费使用和部署。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型grpo,large-language-models,llm,lmm,mllm,rl,self-improvement,synthetic-data,synthetic-dataset-generation,visual-perception,vlm
GitHub 星标★ 58
上线时间2026-04-02 00:00:00
代码更新2026-09-08
仓库体积3.4 MB
本站数据更新2026-11-11
维护状态维护中
收录时间2026-08-09
浏览次数6

项目介绍

VisionFoundry 是一个专注于提升视觉语言模型（VLM）视觉感知能力的开源训练框架。它通过合成图像数据来训练模型，解决真实图像数据稀缺、标注成本高的问题。核心能力包括：生成多样化的合成视觉场景、构建视觉-语言对齐的训练数据集、提供模型微调和评估的完整流程。项目基于 Python 实现，支持主流 VLM 架构，旨在以低成本、可扩展的方式增强模型对颜色、形状、空间关系等基础视觉属性的理解。目前处于早期阶段，代码和文档正在完善中。

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 2026-08-09 · 当前星标 ★ 58

核心亮点

  • 合成数据方案可无限扩展，突破真实数据瓶颈
  • 专注视觉感知基础能力，针对性强于通用微调
  • 提供完整训练流程，从数据生成到模型评估

不足之处

  • 合成图像与真实场景存在域间隙，泛化性待验证
  • 文档/社区待观察

适用场景

  • 学术研究：探索合成数据在VLM训练中的有效性
  • 数据增强：为特定视觉任务生成定制化训练样本
  • 模型评测：测试VLM对基础视觉属性的理解能力

替代项目

LLaVA、MiniGPT-4、InstructBLIP

上一篇：meta-context-engineering

下一篇：Rose

同类项目推荐

MirrorFlow 开源

对话喂出来的数字分身，越聊越像你自己。

从对话数据到训练:数字分身 + 模型蒸馏 From Dialogue Data to Training Closed-Loop: D···

★ 73 2026-08-09
DART 开源

扩散式推测解码，让大模型推理更快更省算力

Official Implementation of DART (DART: Low-Latency Parallel Drafting with Continuity···

★ 73 2026-08-09
AlignProp 开源

直接反向传播奖励，让扩散模型更听话，效率提升25倍

AlignProp uses direct reward backpropogation for the alignment of large-scale text-t···

★ 330 2026-08-09
lmms-engine 开源

一套引擎搞定多模态模型训练，快速上手，灵活扩展。

A simple, unified multimodal models training engine. Lean, flexible, and built for h···

★ 833 2026-08-09
alpamayo-recipes 开源

自动驾驶大模型微调、量化、部署一条龙配方

Developer Hub for NVIDIA Alpamayo, containing ready-to-use recipes for fine-tuning, ···

★ 228 2026-09-16
miles_diffusion 开源

大规模扩散模型后训练与生产落地的工程框架

Miles-diffusion is an post-training framework for large-scale diffusion model traini···

★ 119 2026-10-29
maestro 开源

一行命令微调多模态模型，快速搞定视觉语言任务

streamline the fine-tuning process for multimodal models: PaliGemma 2, Florence-2, a···

★ 2694 2026-08-10
FLNK 开源

让联邦学习系统持续吸收新知识，延长寿命、降低成本

Federated Learning with New Knowledge -- explore to incorporate various new knowledg···

★ 88 2026-08-09
UniDiffusion 开源

一站式训练扩散模型，切换多种个性化方法无需改代码

A Diffusion training toolbox based on diffusers and existing SOTA methods, including···

★ 84 2026-08-09