#vision-transformer Repositories
Entdecke 64 aktive Open-Source-GitHub-Repositories, die mit #vision-transformer getaggt sind und insgesamt 209,451 Sterne gesammelt haben (durchschnittlich 3,272 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist open-mmlab/mmdetection mit 32,234 Sternen.
Insgesamt 64 Repositories
pix2tex: Verwendung eines ViT zur Umwandlung von Gleichungsabbildungen in LaTeX-Code.
PyTorch-Code und Modelle für die DINOv2-Methode des selbstüberwachten Lernens.
Dieses Repository enthält Demos, die ich mit der Transformers-Bibliothek von HuggingFace erstellt habe.
[NeurIPS 2024 Best Paper Award][GPT schlägt Diffusion🔥] [Skalierungsgesetze in der visuellen Generierung📈] Offizielle Implementierung von "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Eine *extrem einfache, benutzerfreundliche und dennoch hochmoderne* Codebasis für autoregressive Bildgenerierung!
Ingestieren, parsen und optimieren Sie jedes Datenformat ➡️ von Dokumenten bis zu Multimedia ➡️ für verbesserte Kompatibilität mit GenAI-Frameworks
MLX-VLM ist ein Paket für die Inferenz und Feinabstimmung von Vision Language Models (VLMs) auf Ihrem Mac mit MLX.
Depth Pro: Scharfe monokulare Tiefenmetrik in weniger als einer Sekunde.
Das erste Vision-Plugin für DeepSeek Harness und die Vision-Brücke für jeden textbasierten Codierungsagenten. Fügen Sie ein Bild ein, erhalten Sie strukturierte JSON-Beweise (OCR, Layout, Semantik).
Eine letztlich umfassende Liste von Papieren zu Vision Transformer/Attention, einschließlich Papieren, Codes und verwandter Websites
Effiziente KI-Backbones einschließlich GhostNet, TNT und MLP, entwickelt von Huawei Noah's Ark Lab.
Scenic: Eine Jax-Bibliothek für Computer Vision Forschung und darüber hinaus
Das Repository stellt Code zum Ausführen von Inferenzen mit dem SAM 3D Body Model (3DB), Links zum Herunterladen der trainierten Modell-Checkpoints und Datensätze sowie Beispiel-Notebooks zur Verfügung, die die Verwendung des Modells zeigen.
Towhee ist ein Framework, das sich der einfachen und schnellen Verarbeitung von neuronalen Datenpipelines widmet.
Effiziente Vision-Grundlagenmodelle für hochauflösende Generierung und Wahrnehmung.
Dieses Repository enthält das offizielle Projekt von TransUNet, das in unserer Arbeit vorgestellt wird: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
InternLM-XComposer2.5-OmniLive: Ein umfassendes multimodales System für langfristige Streaming-Video- und Audiointeraktionen
[CVPR 2025] Offizielle PyTorch-Implementierung von MambaVision: Ein hybrides Mamba-Transformer-Vision-Backbone
Das offizielle Repository für [NeurIPS'22] „ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation“ und [TPAMI'23] „ViTPose++: Vision Transformer for Generic Body Pose Estimation“
[CVPR 2021] Offizielle PyTorch-Implementierung für Transformer Interpretability Beyond Attention Visualization, eine neuartige Methode zur Visualisierung von Klassifizierungen durch Transformer-basierte Netzwerke.
All-in-One-Training für Visionsmodelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Feinabstimmung, Destillation.
[ICML2025] SpargeAttention: Ein trainingsfreier spärlicher Aufmerksamkeitsmechanismus, der die Inferenz jedes Modells beschleunigt.
Eine kuratierte Liste von Foundation-Modellen für Aufgaben im Bereich Vision und Sprache
Ein allgemeines Repräsentationsmodell für visuelle, Audio- und Sprachmodalitäten. Arbeit: ONE-PEACE: Untersuchung eines allgemeinen Repräsentationsmodells für unbegrenzte Modalitäten
Hiera: Ein schneller, leistungsstarker und einfacher hierarchischer Visions-Transformer.
UNetFormer: Ein UNet-ähnlicher Transformer für die effiziente semantische Segmentierung von Fernerkundungsbildern städtischer Szenen, ISPRS. Außerdem werden andere Vision Transformer und CNNs für die Segmentierung von Satelliten-, Luft- und UAV-Bildern einbezogen.
:fire: :fire: :fire: Eine Papiere-Liste einiger neuerer Arbeiten im Bereich Computer Vision (CV)
[ICLR 2024] Offizielle PyTorch-Implementierung von FasterViT: Schnelle Vision Transformer mit hierarchischer Aufmerksamkeit
Repository des Vision Transformer mit deformierbarer Aufmerksamkeit (CVPR2022) und DAT++: Räumlich dynamischer Vision Transformer mit deformierbarer Aufmerksamkeit
[CVPR 2024] Alpha-CLIP: Ein CLIP-Modell, das sich auf jeden beliebigen Punkt konzentriert
[ECCV] Swin2SR: SwinV2 Transformer für komprimierte Bildsuper-Resolution und Wiederherstellung. Workshop "Advances in Image Manipulation (AIM)" ECCV 2022. Probieren Sie es aus! Über 3,3 Mio. Durchläufe https://replicate.com/mv-lab/swin2sr
Häufig gestellte Fragen
Welches ist das beliebteste #vision-transformer-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#vision-transformer-Projekt auf GitHub ist open-mmlab/mmdetection mit 32,234 Sternen. OpenMMLab Detection Toolbox und Benchmark
Welche Programmiersprachen werden in #vision-transformer-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #vision-transformer-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #vision-transformer-Repositories berechnet?
Wir verfolgen 64 aktive Open-Source-Repositories, die mit #vision-transformer getaggt sind (500+ Sterne), mit insgesamt 209,451 Sternen und durchschnittlich 3,272 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.