#transformer-architecture Repositories
Insgesamt 147 Repositories
Vchitect-2.0: Paralleler Transformer zum Skalieren von Video-Diffusionsmodellen
📖 Dies ist ein Repository zur Organisation von Papieren, Codes und anderen Ressourcen im Zusammenhang mit einheitlichen multimodalen Modellen.
[T-PAMI-2024] Transformer-basierte visuelle Segmentierung: Ein Überblick
[ICCV 2023] StreamPETR: Erforschung objektzentrierter zeitlicher Modellierung für effiziente Multi-View 3D-Objekterkennung
Das Repository von ET-BERT, einem Modell zur Klassifizierung von Netzwerkverkehr bei verschlüsseltem Verkehr. Die Arbeit wurde als akzeptierte Veröffentlichung auf der Web Conference (WWW) 2022 angenommen.
Open-Weights-Sprachmodell von Google DeepMind, basierend auf Griffin.
[ICCV 2025] Offizieller Code von "ORION: Ein ganzheitliches End-to-End-Framework für autonomes Fahren durch visuell-sprachlich instruierte Aktionsgenerierung"
[ICLR 2024 Spotlight] Großes Gehirnmodell zum Erlernen generischer Repräsentationen mit enormen EEG-Daten in BCI
Eine kuratierte Leseliste mit Forschungsergebnissen zu Mixture-of-Experts (MoE).
Prov-GigaPath: Ein ganzes Schichtenmodell für die digitale Pathologie aus realen Daten
XVERSE-13B: Ein mehrsprachiges Sprachmodell, entwickelt von XVERSE Technology Inc.
Der offizielle Code für "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Analysieren Sie die Inferenz von Large Language Models (LLMs). Analysieren Sie Aspekte wie Berechnung, Speicher, Übertragung und das Hardware-Roofline-Modell in einer benutzerfreundlichen Oberfläche.
Eine effiziente modulare Implementierung von Associating Objects with Transformers für die Videobjektsegmentierung in PyTorch
Dies ist die offizielle Implementierung unseres Artikels: „MiniMax-Remover: Taming Bad Noise Helps Video Object Removal“
[CVPR 2022] MHFormer: Multi-Hypothesis Transformer für 3D Human Pose Estimation
Llama von Grund auf, oder wie man eine wissenschaftliche Arbeit ohne Tränen implementiert
[CVPR 2025 Oral] TokenHSI: Vereinheitlichte Synthese physikalischer Mensch-Szene-Interaktionen durch Aufgaben-Tokenisierung
[IGARSS'22]: Ein Transformer-basiertes Siamese-Netzwerk zur Veränderungsdetektion
🌕 [BMVC 2022] Sie benötigen nur 90.000 Parameter, um Licht anzupassen: Ein leichter Transformer für Bildverbesserung und Belichtungskorrektur. SOTA für Schwachlichtverbesserung, 0,004 Sekunden, probieren Sie das für die Vorverarbeitung aus.
[ICLR 2025] DuoAttention: Effiziente Langkontext-LLM-Inferenz mittels Retrieval- und Streaming-Heads
[IEEE TMI-2024] UNETR++: Vertiefte Untersuchung der effizienten und präzisen 3D-Segmentierung medizinischer Bilder
Verfolgung von Arbeiten, Datensätzen und Modellen von „Large Language Models (LLMs) für Zeitreihen“
Eine umfassende Liste exzellenter Forschungsarbeiten, Modelle, Datensätze und anderer Ressourcen zu Vision‑Language‑Action (VLA) Modellen in der Robotik.