#contrastive-learning Repositories
Entdecke 37 aktive Open-Source-GitHub-Repositories, die mit #contrastive-learning getaggt sind und insgesamt 64,082 Sterne gesammelt haben (durchschnittlich 1,731 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist facebookresearch/ImageBind mit 9,084 Sternen.
Insgesamt 37 Repositories
Trainieren und bewerten Sie Embeddings für die Ähnlichkeitssuche mit PyTorch. Enthält kontrastive Verluste, Hard-Example-Mining, Sampler und Retrieval-Metriken.
Eine Python-Bibliothek für selbstüberwachtes Lernen und latente Weltmodelle für Bilder.
[NeurIPS 2024] Offizieller Code für PuLID: Reine und blitzschnelle ID-Anpassung durch kontrastierende Ausrichtung
Hochmoderne Bild- und Videoclip-Modelle, multimodale große Sprachmodelle und mehr!
Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche. Eine Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche.
All-in-One-Training für Visionsmodelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Feinabstimmung, Destillation.
solo-learn: eine Bibliothek von selbstüberwachten Methoden für visuelles Repräsentationslernen, angetrieben von Pytorch Lightning
Dieses Repository ist die offizielle Implementierung von Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Verteiltes Training und Inferenz für multimodale Wahrnehmung: gemeinsame Embeddings für Text, Bilder, Video, Audio, Code und Graphen mit 64 bis 1.024 Dimensionen 🖼️
Fantastische Liste für die Forschung zu CLIP (Contrastive Language-Image Pre-Training).
Erlernbare latente Einbettungen für die gemeinsame Verhaltens- und Neuronale Analyse – Offizielle Implementierung von CEBRA
PyTorch-Implementierung von SimCLR: Ein einfaches Framework für das kontrastive Lernen visueller Darstellungen von T. Chen et al.
Eine kompakte, aber vollständige Implementierung von CLIP mit verschiedenen experimentellen Verbesserungen aus aktuellen Forschungsarbeiten
Dieses Repository enthält den Code für "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] und "MMEB-V3" [COLM 2026]
CAIRI Toolbox und Benchmark für überwachtes, semi-überwachtes und selbst-überwachtes visuelles repräsentatives Lernen
EMNLP'22 | MedCLIP: Kontrastives Lernen aus ungepaarten medizinischen Bildern und Texten
[NeurIPS 2020] "Graph Contrastive Learning with Augmentations" von Yuning You, Tianlong Chen, Yongduo Sui, Ting Chen, Zhangyang Wang, Yang Shen
Musikempfehlungssystem für ähnliche Titel, trainiert mit 45 Millionen Spotify-Titeln und 1,8 Millionen Playlists. (Spotify-Track-ID / ISRC eingeben und ähnliche Songs erhalten.)
PLUTO: Verschiebung der Grenzen der Imitationslern-basierten Planung für autonomes Fahren
Selbstüberwachtes kontrastives Lernen für Zeitreihen durch Zeit-Frequenz-Konsistenz
Eine Übersicht über CLIP in der medizinischen Bildgebung
Häufig gestellte Fragen
Welches ist das beliebteste #contrastive-learning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#contrastive-learning-Projekt auf GitHub ist facebookresearch/ImageBind mit 9,084 Sternen. ImageBind Ein Einbettungsraum, um sie alle zu binden
Welche Programmiersprachen werden in #contrastive-learning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #contrastive-learning-Projekten auf GitHub sind Python, Jupyter Notebook, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #contrastive-learning-Repositories berechnet?
Wir verfolgen 37 aktive Open-Source-Repositories, die mit #contrastive-learning getaggt sind (500+ Sterne), mit insgesamt 64,082 Sternen und durchschnittlich 1,731 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.