#synthetic-data-generation Repositorios
Descubre 57 repositorios activos de código abierto de GitHub etiquetados con #synthetic-data-generation, que acumulan 117,965 estrellas en total (una media de 2,069 estrellas por proyecto). El líder de este tema es huggingface/open-r1, con 26,483 estrellas.
57 repositorios en total
Simulación de personas multiagente impulsada por LLM para mejorar la imaginación y obtener información empresarial.
NVIDIA Isaac Sim™ es una aplicación de código abierto en NVIDIA Omniverse para desarrollar, simular y probar robots impulsados por IA en entornos virtuales realistas.
[CVPR 2024 Highlight] FoundationPose: Estimación y seguimiento unificados de la pose 6D de objetos novedosos
[Nominación al Mejor Artículo CVPR 2025] FoundationStereo: Coincidencia Estéreo de "Zero-Shot"
Un framework de detección de palabras (o frases) de activación de audio de código abierto con un enfoque en el rendimiento y la simplicidad.
Una canalización de generación de datos para crear videos sintéticos semi-realistas de múltiples objetos con anotaciones ricas como máscaras de segmentación de instancias, mapas de profundidad y flujo óptico.
DocLayout-YOLO: Mejora del análisis de diseño de documentos a través de datos sintéticos diversos y percepción adaptativa de global a local
Hypersim: Un conjunto de datos sintético fotorrealista para la comprensión holística de escenas interiores
prompt2model - Generar Modelos Desplegables a Partir de Instrucciones en Lenguaje Natural
Este repositorio contiene el código fuente de RULER: ¿Cuál es el tamaño real del contexto de sus modelos de lenguaje de contexto largo?
GigaWorld-0: Modelos del Mundo como Motor de Datos para Potenciar la IA Incorporada
Repositorio oficial del artículo "Scaling Synthetic Data Creation with 1,000,000,000 Personas"
Una lista de lectura sobre la generación de datos sintéticos basada en LLM 🔥
Paquete principal de InstructLab. Úselo para chatear con un modelo y ejecutar el flujo de trabajo de InstructLab para entrenar un modelo utilizando datos de taxonomía personalizados.
El Replica Dataset v1 tal como se publicó en https://arxiv.org/abs/1906.05797.
Estimación Profunda de la Pose de Objetos (DOPE) – Inferencia ROS (CoRL 2018)
Un Marco de Optimización Automática de Prompts para Grandes Modelos de Lenguaje
Generar imágenes de líneas de texto para entrenar modelos OCR de aprendizaje profundo
el código oficial para "ToolAlpaca: Generalized Tool Learning for Language Models with 3000 Simulated Cases"
Código para "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral
Cosmos-Transfer1 es un modelo de transferencia de mundo a mundo diseñado para cerrar la brecha perceptiva entre entornos simulados y del mundo real.
Generador de conjuntos de datos de IA – Cree conjuntos de datos realistas para demostraciones, aprendizaje y paneles
BlendedMVS: Un conjunto de datos a gran escala para redes de estereo multi-vista generalizadas
Un kit de benchmark ligero y plug-and-play para datos sintéticos. Compare Syncora con otros generadores (por ejemplo, Gretel, MostlyAI) insertando CSV, luego calcule automáticamente métricas de fidelidad y similitud. Funciona con cualquier conjunto de datos a través de una simple nomenclatura de archivos, sin necesidad de una configuración compleja.
Conjunto de datos sintéticos de alta fidelidad para la modelización de fallos crediticios
Conjunto de datos sintéticos y cuadernos para la modelización de la personalidad introvertida frente a la extrovertida (seguro para la privacidad, listo para ML).
Conjunto de datos sintéticos de alta fidelidad que capturan métricas de productividad de desarrolladores de IA — incluyendo horas de concentración, tasas de finalización de tareas e indicadores de agotamiento. Seguro para la privacidad, ideal para análisis de ML y flujos de trabajo.
Una aplicación .NET de referencia que utiliza IA para un sistema de tickets de soporte al cliente
Conjunto de datos y referencia para RAG en documentos internos de la empresa.
Un nuevo método de interacción humana para la extracción de voz en tiempo real en auriculares.
Preguntas frecuentes
¿Cuál es el repositorio de #synthetic-data-generation más popular en GitHub?
El proyecto de código abierto de #synthetic-data-generation mejor posicionado en GitHub es huggingface/open-r1, con 26,483 estrellas. Reproducción completa de DeepSeek-R1
¿Qué lenguajes de programación se utilizan más en los repositorios de #synthetic-data-generation?
Entre los proyectos de #synthetic-data-generation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #synthetic-data-generation?
Seguimos 57 repositorios activos de código abierto etiquetados con #synthetic-data-generation (500+ estrellas), que suman un total de 117,965 estrellas, con una media de 2,069 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.