#pytorch Repositories
Insgesamt 1,936 Repositories
Code für das Paper "DewarpNet: Single-Image Document Unwarping With Stacked 3D and 2D Regression Networks" (ICCV '19)
Führen Sie das Segment Anything Model 2 auf einem Live-Videostream aus
Sie können ganz einfach FVD, PSNR, SSIM, LPIPS berechnen, um die Qualität von generierten oder vorhergesagten Videos zu bewerten.
[NeurIPS 2021] LoveDA: Ein Fernerkundungs-Landbedeckungsdatensatz für die domänenadaptive semantische Segmentierung
TorchEEG ist eine Bibliothek, die auf PyTorch für die Analyse von EEG-Signalen basiert.
Dieses Repository enthält alles, was Sie benötigen, um sich in Machine Learning zu spezialisieren
Quellcode für die Arbeit "OrienterNet Visuelle Lokalisierung in 2D öffentlichen Karten mit neuronaler Übereinstimmung"
Llama von Grund auf, oder wie man eine wissenschaftliche Arbeit ohne Tränen implementiert
Kennzeichenerkennung + -erkennung mit YOLOv5 und LPRNet (CCPD-Datensatz)
Codierung eines multimodalen (Vision) Sprachmodells von Grund auf in PyTorch mit vollständiger Erklärung: https://www.youtube.com/watch?v=vAmKB7iPkWw
Verwenden Sie PyTorch-Modelle mit CasADi für datengesteuerte Optimierung oder lernbasierte optimale Regelung. Unterstützt Acados.
Feinabstimmung von LLMs (Large Language Models)
Code für das ICCV 2021 Paper „Pixel Difference Networks for Efficient Edge Detection“ (Oral).
『Deep Learning von Grund auf ❹』(O'Reilly Japan, 2022)
[ICCV 2025] FaceLift: Lernen der generalisierbaren 3D-Gesichtsrekonstruktion aus synthetischen Köpfen anhand eines einzelnen Bildes
[NeurIPS 2020] Dieses Projekt bietet eine starke Single-Stage-Baseline für Long-Tailed Classification, Detection und Instance Segmentation (LVIS). Es ist auch eine PyTorch-Implementierung der NeurIPS 2020-Arbeit 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
Dies ist eine offizielle PyTorch-Implementierung von "Cross View Fusion for 3D Human Pose Estimation, ICCV 2019".
Dies ist das offizielle Code-Repository für "MedMamba: Vision Mamba für die medizinische Bildklassifizierung"
TorchANI 2.0 ist eine Open-Source-Bibliothek, die das Training, die Entwicklung und die Erforschung von interatomaren Potenzialen von neuronalen Netzen im ANI-Stil unterstützt. Sie wurde ursprünglich von der Roitberg-Gruppe entwickelt und wird derzeit von ihr gepflegt.
[CVPR2024] OneFormer3D: Ein Transformer für vereinheitlichte Punktwolken-Segmentierung
[Image and Vision Computing (Vol.147 Juli '24)] Interaktive natürliche Bildmatierung mit Segment Anything Models
Deep Reinforcement Learning (PPO) im autonomen Fahren (Carla) [von Grund auf]
PyTorch-Implementierung für die Veröffentlichung „Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving“
Offizieller Code für "RealFusion: 360°-Rekonstruktion jedes Objekts aus einem einzigen Bild" (CVPR 2023)
【NeurIPS 2022 Spotlight】Neuronale Oberflächenrekonstruktion dynamischer Szenen mit einer monokularen RGB-D-Kamera
Organisieren Sie Ihre Experimente in einzelne Schritte, die während der gesamten Lebensdauer Ihres Forschungsprojekts zwischengespeichert und wiederverwendet werden können.
Implementierung von ChatGPT RLHF (Reinforcement Learning with Human Feedback) für jedes Generierungsmodell in Hugging Faces Transformer (blommz-176B/bloom/gpt/bart/T5/MetaICL)
[NeurIPS 2021] Neukonzeption von Raumzeit-Netzwerken mit verbesserter Speicherkontrolle für die effiziente Videoobjektsegmentierung
«Hands-on KI-Forschung» richtet sich an Forschungsneulinge und zeigt Schritt für Schritt, wie man in die Forschung im Bereich Künstliche Intelligenz einsteigt.
Der offizielle Code für "Auf dem Weg zu einem generalistischen Basismodell für die Radiologie durch Nutzung von webbasierten 2D- und 3D-Medizindaten".
Vector Hub – Bibliothek zur einfachen Entdeckung und Nutzung von State-of-the-Art-Modellen zur Umwandlung von Daten in Vektoren (text2vec, image2vec, video2vec, graph2vec, bert, inception, etc)