#deep-learning Repositorios
2,273 repositorios en total
Implementación oficial del artículo de CVPR 2022 "Neural RGB-D Surface Reconstruction"
Ciclo de vida completo de un proyecto de ciencia de datos
DocBank: Un conjunto de datos de referencia para el análisis del diseño de documentos
El código oficial para "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Implementación/Tutorial sobre el uso de métodos de aprendizaje automático automatizado (AutoML) para aprendizaje estático/por lotes y aprendizaje en línea/continuo
Código de vestimenta: Prueba virtual multí categoría de alta resolución. ECCV 2022
Una lista de recursos de coincidencia/registración de conjuntos de puntos recopilados por Gang Wang
[CVPR2024] Código para "SAM-6D: Segment Anything Model se une a la estimación de pose de objetos 6D sin cero disparos".
Implementación oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Este es el código de inferencia oficial de los artículos "Glyph-ByT5: Un codificador de texto personalizado para una representación de texto visual precisa" y "Glyph-ByT5-v2: Una línea de base estética sólida para una representación de texto visual multilingüe precisa""
Implementación oficial del código de Vary-toy (Small Language Model se encuentra con Reinforced Vision Vocabulary)
Aprendizaje de conceptos de audio a partir de la supervisión del lenguaje natural
[CVPR 2025, TPAMI 2026] UniScene: Generación unificada de escenas de conducción centrada en la ocupación
Implementación mínima de transformadores de flujo rectificado escalables, basada en el enfoque de SD3
Un marco de aprendizaje profundo para el seguimiento de poses de múltiples animales.
Tensorflow Faster R-CNN para Windows/Linux y Python 3 (3.5/3.6/3.7)
Implementación oficial de "FitDiT: Avances de los detalles auténticos de las prendas para una prueba virtual de alta fidelidad"
TransMorph: Transformer para el registro de imágenes médicas no supervisado (PyTorch)
Este repositorio recopila algunos códigos que encapsulan algoritmos de uso común en el campo del aprendizaje automático. La mayoría se basa en Numpy, Pandas o Torch. Puede profundizar su comprensión de los modelos y algoritmos relacionados o revisarlos para obtener el código personalizado que le pertenece haciendo referencia a este repositorio.
:fire: Usa modelos preentrenados en PyTorch para extraer embeddings vectoriales para cualquier imagen
Colección de trabajos sobre modelos de espacio de estados
Diapositivas sobre IA, notas de artículos, apuntes de clase, publicaciones de blog y resúmenes de investigación.
Una lista curada de recursos de aprendizaje por refuerzo multimodales (actualizada continuamente)
Esta es una lista de trabajos impresionantes sobre flujo óptico y trabajos relacionados.
Este repositorio contiene los códigos para LipGAN. LipGAN se publicó como parte del artículo titulado "Towards Automatic Face-to-Face Translation".
Un nuevo método de interacción humana para la extracción de voz en tiempo real en auriculares.
Detectores, Rastreadores y SAM de Visión por Computadora Fáciles y Modulares - Ejecuta YOLOv9,v8,v7,v6,v5,R,X en menos de 10 líneas de código.
Una implementación de codificación posicional 1D, 2D y 3D en Pytorch y TensorFlow
🎉 PILOT: Una caja de herramientas para el aprendizaje continuo basada en modelos preentrenados
Paquete de Python para realizar coincidencia de entidades y texto utilizando aprendizaje profundo.
La biblioteca AutoML más limpia del mundo ✨ - Realiza sintonización de hiperparámetros con las abstracciones de pipeline adecuadas para escribir pipelines de producción de aprendizaje profundo limpios. Deja que los pasos de tu pipeline tengan espacios de hiperparámetros. Diseña pasos en tu pipeline como componentes. Compatible con Scikit-Learn, TensorFlow y la mayoría de las otras bibliotecas, frameworks y entornos MLOps.
🔥Detección de objetos 3D en nubes de puntos y segmentación semántica (Deep Learning) - Métodos SOTA, código, artículos, conjuntos de datos, etc.
Notas de curso de Aprendizaje Automático (Machine Learning) 2021 Spring del profesor Li Hongyi de la Universidad de Taiwán (NTU)
Como componente central de la comunidad Huawei Ascend para PyTorch, TorchNPU es un complemento adaptador de aprendizaje profundo desarrollado por Ascend para PyTorch. Permite que el marco PyTorch invoque directamente las NPU de Ascend y ofrece a los desarrolladores la potente capacidad de cálculo de los procesadores de IA Ascend.
Extracción de eventos basada en documentos de sentencias legales y su aplicación, incluyendo segmentación de palabras de datos, etiquetado de partes del discurso, reconocimiento de entidades nombradas, extracción de elementos de eventos y predicción de resultados de sentencias, etc.
dddmr_navigation es la solución de navegación 3D para robots móviles que incluye mapeo, localización, percepción, planificación de rutas, controlador y una pila de navegación.
Un subconjunto de los módulos de red neuronal de PyTorch, escritos en Python usando Triton de OpenAI.