#vision-transformer Repositorios
Descubre 64 repositorios activos de código abierto de GitHub etiquetados con #vision-transformer, que acumulan 209,451 estrellas en total (una media de 3,272 estrellas por proyecto). El líder de este tema es open-mmlab/mmdetection, con 32,234 estrellas.
64 repositorios en total
pix2tex: Usando un ViT para convertir imágenes de ecuaciones en código LaTeX.
Código y modelos de PyTorch para el método de aprendizaje autosupervisado DINOv2.
Este repositorio contiene demostraciones que hice con la biblioteca Transformers de HuggingFace.
[Premio al Mejor Artículo NeurIPS 2024][GPT supera la difusión🔥] [Leyes de escala en generación visual📈] Implementación oficial de "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". ¡Una base de código *ultrasimple, fácil de usar pero de última generación* para la generación de imágenes autorregresiva!
Ingiera, analice y optimice cualquier formato de datos ➡️ desde documentos hasta multimedia ➡️ para una mejor compatibilidad con los marcos de GenAI
MLX-VLM es un paquete para la inferencia y el ajuste fino de Vision Language Models (VLM) en tu Mac usando MLX.
Depth Pro: Profundidad métrica monocular nítida en menos de un segundo.
SwinIR: Restauración de imágenes utilizando Swin Transformer (repositorio oficial)
El primer complemento de visión para DeepSeek Harness, y el puente de visión para cada agente de codificación solo de texto. Pega una imagen, obtén evidencia JSON estructurada (OCR, diseño, semántica).
Una lista finalmente completa de artículos sobre Vision Transformer/Attention, que incluye artículos, códigos y sitios web relacionados
Backbones de IA eficientes que incluyen GhostNet, TNT y MLP, desarrollados por Huawei Noah's Ark Lab.
Scenic: Una biblioteca Jax para la investigación en visión por computadora y más allá
El repositorio proporciona código para ejecutar inferencias con el modelo de cuerpo 3D SAM (3DB), enlaces para descargar los puntos de control del modelo entrenado y los conjuntos de datos, y cuadernos de ejemplo que muestran cómo usar el modelo.
Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.
Modelos fundamentales de visión eficientes para la generación y percepción de alta resolución.
Este repositorio incluye el proyecto oficial de TransUNet, presentado en nuestro artículo: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
InternLM-XComposer2.5-OmniLive: Un sistema multimodal completo para interacciones de audio y video en streaming a largo plazo
[ECCV2024] Modelos Fundamentales de Video y Datos para la Comprensión Multimodal
[CVPR 2025] Implementación oficial de PyTorch de MambaVision: Un backbone híbrido Mamba-Transformer para visión
El repositorio oficial para [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" y [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"
[CVPR 2021] Implementación oficial de PyTorch para Transformer Interpretability Beyond Attention Visualization, un nuevo método para visualizar clasificaciones mediante redes basadas en Transformer.
Entrenamiento todo en uno para modelos de visión (YOLO, ViTs, RT-DETR, DINOv3): preentrenamiento, ajuste fino, destilación.
[ICLR 2023 Spotlight] Adaptador de Vision Transformer para Predicciones Densas
[ICML2025] SpargeAttention: Una atención dispersa sin entrenamiento que acelera la inferencia de cualquier modelo.
Una lista seleccionada de modelos fundacionales para tareas de visión y lenguaje
Un modelo de representación general a través de modalidades de visión, audio y lenguaje. Artículo: ONE-PEACE: Explorando un modelo de representación general hacia modalidades ilimitadas
UNetFormer: un transformer similar a UNet para la segmentación semántica eficiente de imágenes de escenas urbanas de teledetección, ISPRS. Además, se incluyen otros transformadores de visión y CNN para la segmentación de imágenes satelitales, aéreas y de drones.
:fire: :fire: :fire: Una lista de artículos sobre algunos trabajos recientes de Visión por Computadora (CV)
[ICLR 2024] Implementación oficial de PyTorch de FasterViT: Vision Transformers rápidos con atención jerárquica
Repositorio de Vision Transformer con Atención Deformable (CVPR2022) y DAT++: Transformador de Visión Dinámico Espacial con Atención Deformable
Reconocimiento de texto de escena con modelos de secuencia autorregresivos permutados (ECCV 2022)
[ECCV] Swin2SR: SwinV2 Transformer para Super-Resolución y Restauración de Imágenes Comprimidas. Taller "Advances in Image Manipulation (AIM)" ECCV 2022. ¡Pruébalo! Más de 3,3 millones de ejecuciones https://replicate.com/mv-lab/swin2sr
Preguntas frecuentes
¿Cuál es el repositorio de #vision-transformer más popular en GitHub?
El proyecto de código abierto de #vision-transformer mejor posicionado en GitHub es open-mmlab/mmdetection, con 32,234 estrellas. Caja de herramientas de detección OpenMMLab y benchmark
¿Qué lenguajes de programación se utilizan más en los repositorios de #vision-transformer?
Entre los proyectos de #vision-transformer mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, Cuda.
¿Cómo se calcula la clasificación de los repositorios de #vision-transformer?
Seguimos 64 repositorios activos de código abierto etiquetados con #vision-transformer (500+ estrellas), que suman un total de 209,451 estrellas, con una media de 3,272 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.