#self-supervised-learning Repositories
Insgesamt 75 Repositories
SiLK (Simple Learned Keypoint) ist ein selbstüberwachtes Deep-Learning-Keypoint-Modell.
INTERSPEECH 2023-2024 Paper: Eine vollständige Sammlung einflussreicher und spannender Forschungsarbeiten von der INTERSPEECH 2023-24 Konferenz. Entdecken Sie die neuesten Fortschritte in der Sprach- und Sprachverarbeitung. Code enthalten. Sternen Sie das Repository, um die Weiterentwicklung der Sprachtechnologie zu unterstützen!
CAIRI Toolbox und Benchmark für überwachtes, semi-überwachtes und selbst-überwachtes visuelles repräsentatives Lernen
Chinesische Übersetzung von „Machine Learning: A Probabilistic Perspective“ (Kevin P. Murphy) und Python-Implementierungen der Algorithmen im Buch.
DreamSim: Lernen neuer Dimensionen der menschlichen visuellen Ähnlichkeit mit synthetischen Daten (NeurIPS 2023 Spotlight) / / / / Wann profitiert die Wahrnehmungsangleichung von visuellen Repräsentationen? (NeurIPS 2024)
[ECCV2022] Masked Autoencoders für Self-supervised Learning von Punktwolken
[NeurIPS 2020] "Graph Contrastive Learning with Augmentations" von Yuning You, Tianlong Chen, Yongduo Sui, Ting Chen, Zhangyang Wang, Yang Shen
Kursnotizen zu Machine Learning (Machine Learning) 2021 Spring des Professors Li Hongyi der Universität Taipeh (NTU)
Self-Labeling durch simultanes Clustering und Repräsentationslernen. (ICLR 2020)
[NeurIPS'25] Offizielles Repository von Concerto: Joint 2D-3D Self-Supervised Learning erzeugt räumliche Repräsentationen.
Offizielle Pytorch-Implementierung für „DINO-Tracker: DINO zur selbstüberwachten Punktverfolgung in einem einzelnen Video im Griff“ (ECCV 2024)
NeurIPS'24-Workshop - UniTable: Auf dem Weg zu einem einheitlichen Tabellen-Grundlagenmodell
Eine kuratierte Liste von Weltmodellen für autonomes Fahren.
ICASSP 2023-2024 Paper: Eine vollständige Sammlung einflussreicher und spannender Forschungsarbeiten von den ICASSP 2023-24 Konferenzen. Entdecken Sie die neuesten Fortschritte in den Bereichen Akustik, Sprache und Signalverarbeitung. Code enthalten. Sternen Sie das Repository, um die Weiterentwicklung der Audio- und Signalverarbeitung zu unterstützen!
Behalten Sie große Modelle im Audiobereich im Auge, einschließlich Sprache, Gesang, Musik usw.
MedLSAM: Lokalisierungs- und Segmentierungsmodell für beliebige 3D-medizinische Bilder
Aktueller Stand der überwachten und unüberwachten Tiefenkomplettierungsverfahren
Selbstüberwachtes kontrastives Lernen für Zeitreihen durch Zeit-Frequenz-Konsistenz
Test der Anpassung von DINOv2/3-Encodern für Vision-Aufgaben mit Low-Rank Adaptation (LoRA)