# Awesome-LLMs-for-Video-Understanding:视频理解大模型全家桶清单(3.3k★)

> IEEE TCSVT 收录的 Vid-LLM 综述配套清单:论文+代码+数据集+基准全整理,选型与研究必备

# Awesome-LLMs-for-Video-Understanding:视频理解大模型全家桶清单(3.3k★)

**一句话**:一份把"用大模型看懂视频"这个领域的**论文、代码、数据集**全部整理好的清单,配套 IEEE TCSVT 收录的 Vid-LLM 综述论文,GitHub 3.3k+ stars,2026-08 仍在持续更新。

## 这是什么

作者 yunlong10 团队在做视频理解方向研究时,把散落各处的 Vid-LLM(Video-LLM,视频理解大模型)资源系统性整理成了这张清单,并用它支撑了一篇正式综述:

- 📄 综述论文:[Video Understanding with Large Language Models: A Survey](https://arxiv.org/abs/2312.17432),已发表于 **IEEE TCSVT**(Transactions on Circuits and Systems for Video Technology)
- 内容不是简单堆链接,而是按作者提出的**分类体系**组织,方便按需求检索

## 清单里有什么

**1. Vid-LLM 模型分类导航(核心)**
- **Video Analyzer × LLM**:LLM 当摘要器(长视频总结)、问答(视频 QA)、时间定位等
- **Video Embedder × LLM**:把视频嵌入与语言模型结合
- **LLM-based Video Agents**:用 LLM 驱动视频相关智能体

**2. 任务 / 数据集 / 基准**
- 视频理解相关任务分类、常用数据集
- Video Instruction Tuning(视频指令微调)资料
- 视频大模型评测基准合集——选型必看

**3. 持续扩充**
- 已收录 100+ 个 Vid-LLM 模型、15+ 新基准(2024-06 时点),之后一直在补
- 姊妹篇:[Awesome-Video-LMM-Post-Training](https://github.com/yunlong10/Awesome-Video-LMM-Post-Training)(视频推理后训练的深度解析)

## 适合谁

- **研究者/学生**:写视频理解综述、找相关工作,这份清单能省大量检索时间
- **开发者选型**:想知道"哪个视频大模型适合我的场景",按分类+基准直接对比
- **AI 产品经理**:了解视频理解技术边界和主流方案
- 和之前推荐的 Keye-VL / Qwen3-VL 等具体模型搭配使用效果最好——先看清单选型,再去跑具体模型

## 入口

- GitHub:https://github.com/yunlong10/awesome-llms-for-video-understanding
- 综述论文 arXiv:https://arxiv.org/abs/2312.17432
- IEEE TCSVT 正式版:https://ieeexplore.ieee.org/document/10982110

---

**总结**:想"看懂视频"的技术全景,收藏这一份就够;配合具体模型(Qwen3-VL、Keye-VL、InternVL)食用更佳。

---

**分类**：软件
**标签**：视频 · Video · 模型
**作者**：子龙
**链接**：https://octohz.com/p/2099