#foundation-models Repositories
Insgesamt 155 Repositories
Gaze-LLE: Erfassung von Blickzielen durch umfangreiche gelernte Encodierer (CVPR 2025, Highlight)
Ein Python-Toolkit zur Feinabstimmung von Geospatial Foundation Models (GFMs).
[NeurIPS 2025 Spotlight] OpenCUA: Offene Grundlagen für Computer-Nutzungsagenten
Offizielle Implementierung von „Lotus: Diffusionsbasiertes visuelles Grundmodell für hochqualitative dichte Vorhersage“
📖 Dies ist ein Repository zur Organisation von Papieren, Codes und anderen Ressourcen im Zusammenhang mit einheitlichen multimodalen Modellen.
Eine kuratierte Liste von 3D-Vision-Papieren im Bereich Robotik im Zeitalter großer Modelle, d. h. LLMs/VLMs, inspiriert von Awesome-Computer-Vision, einschließlich Papieren, Codes und verwandten Websites
VoxPoser: Komponierbare 3D-Werteabbildungen für die Robotermanipulation mit Sprachmodellen
Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.
[MICCAI-Preis für junge Wissenschaftler 2019] [MedIA-Preis für die beste Publikation] Models Genesis: selbstüberwachtes Vortraining für medizinische 3D-Bilder. Lernt übertragbare Repräsentationen aus nicht annotierten CT- und MRT-Volumendaten und wird anschließend für nachgelagerte Segmentierungs- und Klassifikationsaufgaben feinabgestimmt. Keras- und PyTorch-Gewichte enthalten.
[CVPR26] TESSERA ist ein Grundmodell, das Zeitreihen-Satellitenbilder für Anwendungen wie Landklassifikation und Kronenhöhenprognose verarbeiten kann. Entwickelt an der University of Cambridge, ermöglicht es die effiziente Extraktion temporaler Muster aus Erdbeobachtungen
Offizielle Implementierung für HyenaDNA, ein langage-genomisches Basismodell, das mit Hyena erstellt wurde
[Offizielles Repository] Visual Mamba: Eine Übersicht und neue Ausblicke
Lesbare, skalierbare, reproduzierbare Fundamentmodelle mit benannten Tensoren und Jax
BiomedGPT: Ein allgemeines Vision-Language Basismodell für diverse biomedizinische Aufgaben
Vision Foundation Models für medizinische KI, einschließlich RETFound, DINOv2, DINOv3
✨✨Neueste Arbeiten und Benchmarks im Reasoning mit Foundation Models
Das offizielle Repository für „Vidi: Große multimodale Modelle für Video-Verständnis und -Bearbeitung“
Dies ist die PyTorch-Implementierung unseres Papiers „RSPrompter: Lernen, um für die Fernerkennung von Instanzsegmentierung auf Basis visueller Fundamentmodelle zu werben“
Der offizielle Code für "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Großes Gaußsches Rekonstruktionsmodell für effiziente 3D-Rekonstruktion und -Generierung
PyTorch-Implementierung von EmerNeRF: Emergenz von räumlich-zeitlichen Szenenzerlegung durch Selbstüberwachung
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper Award] Aether: Geometrie-bewusste einheitliche Weltmodellierung
[CVPR 2024 Highlight] Feature 3DGS: Supercharging 3D Gaussian Splatting zur Ermöglichung destillierter Feature-Felder
MatterSim: Ein tiefes Lernmodell auf atomarer Ebene, das Elemente, Temperaturen und Druck abdeckt.
Dieses Repository enthält den Evaluierungscode für das Paper „MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI“
LaVIT: Befähigung großer Sprachmodelle zum Verstehen und Generieren von visuellen Inhalten
Aktuelle Forschungsarbeiten zu Foundation Models für Kombinatorische Optimierung
[ICLR2025 Spotlight🔥] Offizielle Implementierung von TokenFormer: Neudenken der Transformer-Skalierung mit tokenisierten Modellparametern
Typsichere Werkzeuge, On-Device-Inferenz, Multi-Agenten-Workflows, Speicher und Guardrails in einer Swift-nativen Laufzeitumgebung
[ECCV2024] Geerdetes multimodales großes Sprachmodell mit lokalisierter visueller Tokenisierung
Inspiration für die nächste Generation von Segment Anything Models: Umfassende Evaluierung von SAM und SAM 2 mit vielfältigen Prompts für kontextabhängige Konzepte in verschiedenen Szenen