#foundation-models Repositorios
155 repositorios en total
Servidor API compatible con OpenAI para modelos en dispositivo de Apple
Gaze-LLE: Estimación del objetivo de la mirada a través de codificadores aprendidos a gran escala (CVPR 2025, Highlight)
Una caja de herramientas Python para el ajuste fino de modelos geoespaciales fundamentales (GFM).
[NeurIPS 2025 Spotlight] OpenCUA: Fundaciones abiertas para agentes de uso de computadora
Implementación oficial de "Lotus: Modelo de base visual basado en difusión para predicción densa de alta calidad"
📖 Este es un repositorio para organizar artículos, códigos y otros recursos relacionados con modelos multimodales unificados.
Una lista seleccionada de artículos de Visión 3D relacionados con el dominio de la Robótica en la era de los modelos grandes, es decir, LLMs/VLMs, inspirada en awesome-computer-vision, que incluye artículos, códigos y sitios web relacionados
VoxPoser: Mapas de Valor 3D Componibles para Manipulación Robótica con Modelos del Lenguaje
Fusión de Modelos en LLMs, MLLMs y más allá: Métodos, Teorías, Aplicaciones y Oportunidades. ACM Computing Surveys, 2026.
[Premio al Joven Científico de MICCAI 2019] [Premio al Mejor Artículo de MedIA] Models Genesis: preentrenamiento autosupervisado para imágenes médicas 3D. Aprende representaciones transferibles a partir de volúmenes de TC y RM sin etiquetar, y luego realiza un ajuste fino para tareas posteriores de segmentación y clasificación. Incluye pesos para Keras y PyTorch.
[CVPR26] TESSERA es un modelo base que puede procesar imágenes satelitales en series temporales para aplicaciones como la clasificación de uso del suelo y la predicción de altura del dosel. Desarrollado en la Universidad de Cambridge, permite la extracción eficiente de patrones temporales de la observación de la Tierra
Implementación oficial de HyenaDNA, un modelo de base genómico de largo alcance construido con Hyena
Un modelo fundacional para el control de cuerpo completo de humanoides
[Repositorio Oficial] Visual Mamba: Una Encuesta y Nuevas Perspectivas
Modelos Fundacionales Legibles, Escalables y Reproducibles con Tensores Nombrados y Jax
BiomedGPT: Un modelo de fundación generalista de Visión y Lenguaje para diversas tareas biomédicas
Modelos Fundacionales de Visión para IA Médica, incluyendo RETFound, DINOv2, DINOv3
✨✨Últimos Artículos y Benchmarks en Razonamiento con Modelos Fundacionales
El repositorio oficial de "Vidi: Modelos Multimodales Grandes para la Comprensión y Edición de Video"
Esta es la implementación de PyTorch de nuestro artículo "RSPrompter: Aprendizaje para la Segmentación de Instancias de Teledetección basada en Modelos Fundacionales Visuales"
El código oficial para "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Modelo Grande de Reconstrucción Gaussiana para Reconstrucción y Generación 3D Eficiente
Implementación de PyTorch de EmerNeRF: Descomposición emergente de escenas espaciotemporales mediante autosemántica
[ICCV 2025 & ICCV 2025 RIWM Premio a la Mejor Ponencia] Aether: Modelado unificado del mundo con conciencia geométrica
[CVPR 2024 Highlight] Feature 3DGS: Potenciando el splatting gaussiano 3D para habilitar campos de características destilados
MatterSim: Un modelo atómico de aprendizaje profundo que abarca elementos, temperaturas y presiones.
Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
LaVIT: Empoderar al modelo de lenguaje grande para comprender y generar contenido visual
Artículos de investigación recientes sobre Modelos Fundamentales para Optimización Combinatoria
[ICLR2025 Spotlight🔥] Implementación oficial de TokenFormer: Repensando el escalado de Transformers con parámetros de modelo tokenizados
Herramientas con seguridad de tipos, inferencia en el dispositivo, flujos de trabajo multiagente, memoria y barreras de seguridad, en un único entorno de ejecución nativo de Swift
[ECCV2024] Modelo de Lenguaje Grande Multimodal Fundamentado con Tokenización Visual Localizada
Inspirando la próxima generación de modelos Segment Anything: Evaluar de manera integral SAM y SAM 2 con diversos prompts hacia conceptos dependientes del contexto en diferentes escenas