#zero-shot-learning Repositorios
Descubre 61 repositorios activos de código abierto de GitHub etiquetados con #zero-shot-learning, que acumulan 190,954 estrellas en total (una media de 3,130 estrellas por proyecto). El líder de este tema es facebookresearch/segment-anything, con 53,052 estrellas.
61 repositorios en total
El repositorio proporciona código para ejecutar inferencias con el SegmentAnything Model (SAM), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.
InstantID: Generación de identidad preservada sin ejemplos en segundos 🔥
Repositorio oficial de "SAMURAI: Adapting Segment Anything Model for Zero-Shot Visual Tracking with Motion-Aware Memory"
[NeurIPS 2023] Implementación oficial del artículo "Segment Everything Everywhere All at Once"
Resumen de artículos de Prompt & LLM, datos y modelos de código abierto, aplicaciones AIGC
Modelos base Chinese-LLaMA 1&2, Chinese-Falcon; Modelo de diálogo chino ChatFlow; Modelo Chinese-OpenLLaMA; Conjuntos de datos de pre-entrenamiento/ajuste fino de instrucciones NLP
[Nominación al Mejor Artículo CVPR 2025] FoundationStereo: Coincidencia Estéreo de "Zero-Shot"
Omnilingual ASR open-source reconocimiento de voz multilingüe para más de 1600 idiomas
Lanzamiento de código para "Detección de veinte mil clases mediante supervisión a nivel de imagen".
Repositorio oficial de GitHub para C-Eval, un conjunto de evaluación chino para modelos fundacionales [NeurIPS 2023]
Este repositorio contiene la implementación oficial de los artículos de investigación "MobileCLIP" CVPR 2024 y "MobileCLIP2" TMLR Agosto 2025
[TPAMI 2025] ViewCrafter: Domando modelos de difusión de video para la síntesis de vistas novedosas de alta fidelidad
Una colección de artículos sobre el tema ``Visión por Computadora en la Naturaleza (CVinW)''
Este repositorio contiene el código del artículo de CVPR 2022 "Image Segmentation Using Text and Image Prompts".
Lanzamiento oficial del código y los puntos de control para modelos fundamentales de robots móviles: GNM, ViNT y NoMaD.
Impresionantes artículos sobre extracción de información generativa (IE) utilizando grandes modelos de lenguaje (LLM)
Implementación oficial de PyTorch de ODISE: Segmentación Panóptica de Vocabulario Abierto con Modelos de Difusión de Texto a Imagen [CVPR 2023 Highlight]
SONAR, un nuevo espacio de incrustación de oraciones multilingüe y multimodal de tamaño fijo, con un conjunto completo de codificadores y decodificadores de voz y texto.
Una lista curada de publicaciones sobre segmentación semántica de vocabulario abierto y áreas relacionadas (por ejemplo, segmentación semántica de cero disparos) recursos..
[ICLR2026] códigos para R-Zero: LLM de razonamiento auto-evolutivo a partir de datos cero (https://www.arxiv.org/pdf/2508.05004)
Implementación oficial de "Lotus: Modelo de base visual basado en difusión para predicción densa de alta calidad"
Una biblioteca ligera para generar conjuntos de datos sintéticos de ajuste de instrucciones para sus datos sin GPT.
Una lista curada de impresionantes métodos de aprendizaje de indicaciones/adaptadores para modelos de visión y lenguaje como CLIP.
Fusión de Modelos en LLMs, MLLMs y más allá: Métodos, Teorías, Aplicaciones y Oportunidades. ACM Computing Surveys, 2026.
El primer modelo de comportamiento para controlar un agente humanoide virtual basado en la física para una amplia gama de tareas de cuerpo completo.
Repositorio oficial para Splatt3R: Zero-shot Gaussian Splatting a partir de pares de imágenes no calibrados
Una implementación concisa pero completa de CLIP, con diversas mejoras experimentales propuestas en artículos recientes
[IJCV] FastComposer: Generación de imágenes multisujeto sin ajuste con atención localizada
Reunión de 【Aplicaciones de Python】【Entrenamiento práctico de Python】【Compartir tecnología de Python】 etcétera
Preguntas frecuentes
¿Cuál es el repositorio de #zero-shot-learning más popular en GitHub?
El proyecto de código abierto de #zero-shot-learning mejor posicionado en GitHub es facebookresearch/segment-anything, con 53,052 estrellas. El repositorio proporciona código para ejecutar inferencias con el SegmentAnything Model (SAM), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.
¿Qué lenguajes de programación se utilizan más en los repositorios de #zero-shot-learning?
Entre los proyectos de #zero-shot-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #zero-shot-learning?
Seguimos 61 repositorios activos de código abierto etiquetados con #zero-shot-learning (500+ estrellas), que suman un total de 190,954 estrellas, con una media de 3,130 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.