#foundation-models Repositories
Insgesamt 155 Repositories
Eine kuratierte Liste von Papieren und Ressourcen zur Erkennung von Betrug, Anomalien und Ausreißern auf Graph-/Transformer-Basis
MarS: eine Finanzmarkt-Simulations-Engine, die von einem generativen Foundation Model angetrieben wird
Offizielles GitHub-Repository für C-Eval, eine chinesische Bewertungssuite für Basismodelle [NeurIPS 2023]
RDT-1B: ein Diffusionsgrundlagenmodell für bilaterale Manipulation
Video PreTraining (VPT): Lernen, durch das Betrachten unbeschrifteter Online-Videos zu handeln
AuK: Ein quelloffenes Grundlagenmodell für die Sprachgenerierung und -bearbeitung
Lag-Llama: Auf dem Weg zu Fundamentmodellen für die probabilistische Zeitreihenprognose
Python-Bibliothek für Zeitreihenprognosen mit scikit-learn-kompatiblen Modellen, statistischen Methoden und Foundation-Modellen
Offizielle PyTorch-Implementierung von VisionHOPE: Visuelle Backbones als selbstmodifizierende Lernsysteme.
Kuratierter visueller Katalog mit über 200 Architekturen von Vision-Language-Modellen (VLM/MLLM): Fachartikel, Diagramme, Trainingsrezepte, Datensätze und ein Veröffentlichungszeitplan für multimodale KI-Agenten.
Eine Sammlung von Arbeiten zum Thema ``Computer Vision in the Wild (CVinW)''
Aufbau von Universalrobotern auf der Grundlage von verkörperten Basismodellen
Code für "MatchAnything: Universal Cross-Modality Image Matching with Large-Scale Pre-Training", TPAMI 2026.
Lesenswerte "Must-read"-Artikel zur Wissensbearbeitung für große Sprachmodelle.
TorchXRayVision: Eine Bibliothek von Röntgen-Thorax-Datensätzen und Modellen. Klassifikatoren, Segmentierung und Autoencoder.
Ein praktisches Labor zum Erstellen, Testen und Evaluieren von Apps mit dem Foundation Models Framework von Apple.
Eine professionelle Liste zu großen (Sprach-)Modellen und Foundation Models (LLM, LM, FM) für Zeitreihen-, raumzeitliche und Ereignisdaten.
Eine kuratierte Liste von Foundation-Modellen für Aufgaben im Bereich Vision und Sprache
Segment Anything Modell für die medizinische Bildsegmentierung: Zusammenfassung des Open-Source-Projekts
Offizielle Veröffentlichung von Code und Checkpoints für Foundation Models für mobile Roboter: GNM, ViNT und NoMaD.
[ECCV 2024 Best Paper Kandidat & TPAMI 2025] PointLLM: Große Sprachmodelle befähigen, Punktwolken zu verstehen
Ein allgemeines Repräsentationsmodell für visuelle, Audio- und Sprachmodalitäten. Arbeit: ONE-PEACE: Untersuchung eines allgemeinen Repräsentationsmodells für unbegrenzte Modalitäten
Umfassende Werkzeuge und Frameworks für die Entwicklung von Foundation-Modellen, die auf Empfehlungssysteme zugeschnitten sind.
Offizieller Code, Datensätze und Checkpoints für „Timer: Generative Pre-trained Transformers sind große Zeitreihenmodelle“ (ICML 2024) und nachfolgende Arbeiten
Über die Code-Veröffentlichung für „TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis“ (ICLR 2023), https://openreview.net/pdf?id=ju_Uqw384Oq
[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), das erste Modell seiner Art, das natürlichsprachliche Antworten generieren kann, die nahtlos in Objeksegmentierungsmasken integriert sind.
SAM-Med3D: Ein effizientes universelles promptbares Segmentierungsmodell für 3D-Volumen-medizinische Bilder
Branchenweites Video-Grundlagenmodell für die einheitliche Generierung von Text-zu-Video (T2V) und Bild-zu-Video (I2V).
Ultra-Fusion: Ein resilientes, eng gekoppeltes Multi-Sensor-Fusions-SLAM-Framework bei Sensordegradation und raumzeitlichen Störungen
Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie
[ICLR 2024] Offizielle PyTorch-Implementierung von FasterViT: Schnelle Vision Transformer mit hierarchischer Aufmerksamkeit