#foundation-models Dépôts
Découvrez 155 dépôts GitHub open source actifs associés à #foundation-models, cumulant 525,346 étoiles au total (soit une moyenne de 3,389 étoiles par projet). Le projet en tête de ce thème est facebookresearch/segment-anything, avec 53,052 étoiles.
155 dépôts au total
Le dépôt fournit le code pour exécuter l'inférence avec le modèle SegmentAnything (SAM), des liens pour télécharger les points de contrôle du modèle entraîné et des notebooks d'exemple qui montrent comment utiliser le modèle.
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.
Pré-entraînement auto-supervisé à grande échelle à travers les tâches, langues et modalités
Le dépôt fournit le code pour exécuter l'inférence avec le Meta Segment Anything Model 2 (SAM 2), des liens pour télécharger les points de contrôle du modèle entraîné et des exemples de notebooks qui montrent comment utiliser le modèle.
[WIP] Ressources pour les ingénieurs IA. Contient également du matériel de soutien pour le livre AI Engineering (Chip Huyen, 2025)
Série Janus : Modèles unifiés pour la compréhension et la génération multimodales
YuE2 : génération musicale de pointe avec planification symbolique, reprises sans exemple préalable et édition musicale agentique.
Le dépôt fournit le code pour exécuter l'inférence et le réglage fin avec le Meta Segment Anything Model 3 (SAM 3), des liens pour télécharger les points de contrôle du modèle entraîné, et des cahiers d'exemples qui montrent comment utiliser le modèle.
Moshi est un modèle fondamental parole-texte et un framework de dialogue vocal full-duplex. Il utilise Mimi, un codec audio neuronal en streaming de pointe.
Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, des séries temporelles, des graphes, du texte, des images et de l'audio. Plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.
Traitement des données pour et avec des modèles fondamentaux ! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷
OpenSquilla — Agent IA efficace en jetons avec le même budget, mais une densité d'intelligence plus élevée
Chronos : Modèles pré-entraînés pour la prévision de séries chronologiques
ACE-Step : Une démarche vers un modèle fondamental pour la génération de musique
LimiX : Libérer la capacité de modélisation des données structurées pour une intelligence généraliste https://arxiv.org/abs/2609.17488
Cadre open source pour la recherche et le développement de modèles fondamentaux.
TimeGPT-2.1 : modèle fondamental préentraîné de séries temporelles, prêt pour la production, destiné aux prévisions et à la détection d’anomalies. Un transformeur génératif préentraîné pour les séries temporelles, entraîné sur plus de 100 milliards de points de données. Il est capable d’effectuer des prévisions précises dans divers domaines, tels que le commerce de détail, l’électricité, la finance et l’IoT, en seulement quelques lignes de code 🚀.
DeepSeek-VL : Vers une compréhension visuelle et linguistique du monde réel
Code et modèles PyTorch pour l'apprentissage auto-supervisé V-JEPA à partir de vidéos.
Grounded SAM 2 : Ancrez et suivez n'importe quoi dans les vidéos avec Grounding DINO, Florence-2 et SAM 2
Le dépôt fournit le code pour exécuter l'inférence avec le Modèle Audio Segment Anything de Meta (SAM-Audio), des liens pour télécharger les points de contrôle du modèle entraîné et des cahiers d'exemples montrant comment utiliser le modèle.
Code et modèles pour l'article ICML 2024, NExT-GPT : Modèle linguistique multimodal Any-to-Any
[CVPR2024 Highlight][VideoChatGPT] ChatGPT avec compréhension vidéo ! Et de nombreux autres LM pris en charge tels que miniGPT4, StableLM et MOSS.
SuperCLUE : Référence globale pour les grands modèles chinois | Une référence pour les modèles fondamentaux en chinois
Otter, un modèle multimodal basé sur OpenFlamingo (version open-source de Flamingo de DeepMind), entraîné sur MIMIC-IT et démontrant une capacité améliorée à suivre les instructions et l'apprentissage en contexte.
Dépôt officiel de MOSS-Image, un modèle DiT de base de 5 milliards de paramètres offrant un rendu de texte de haute qualité, la génération de mises en page et un réglage fin efficace.
[Nomination du meilleur article CVPR 2025] FoundationStereo : correspondance stéréo sans supervision (Zero-Shot)
Holistic Evaluation of Language Models (HELM) est un framework Python open source créé par le Center for Research on Foundation Models (CRFM) de Stanford pour une évaluation holistique, reproductible et transparente des modèles fondamentaux, y compris les grands modèles linguistiques (LLM) et les modèles multimodaux.
Images pour l'inférence sans étiquetage (utilisez des modèles fondamentaux pour entraîner des modèles supervisés).
GigaBrain-0: Un modèle vision-langage-action alimenté par un modèle du monde
[ECCV2024] Modèles Fondamentaux Vidéo & Données pour la Compréhension Multimodale
Awesome-LLM-3D : une liste organisée de modèles linguistiques multimodaux de grande taille dans le monde 3D Ressources
[CVPR 2025] Implémentation officielle PyTorch de MambaVision : un backbone hybride Mamba-Transformer pour la vision
Choses géniales sur les agents alimentés par LLM. Papiers / Repos / Blogs / ...
Cet atelier est conçu pour Amazon Bedrock, un service de modèles fondamentaux.
Un évaluateur automatique pour les modèles de langage qui suivent les instructions. Validé par l'homme, de haute qualité, peu coûteux et rapide.
Foire aux questions
Quel est le dépôt #foundation-models le plus populaire sur GitHub ?
Le projet #foundation-models open source le mieux classé sur GitHub est facebookresearch/segment-anything, avec 53,052 étoiles. Le dépôt fournit le code pour exécuter l'inférence avec le modèle SegmentAnything (SAM), des liens pour télécharger les points de contrôle du modèle entraîné et des notebooks d'exemple qui montrent comment utiliser le modèle.
Quels langages de programmation sont les plus utilisés dans les dépôts #foundation-models ?
Parmi les projets #foundation-models les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.
Comment le classement des dépôts #foundation-models est-il calculé ?
Nous suivons 155 dépôts open source actifs associés à #foundation-models (500+ étoiles), totalisant 525,346 étoiles, avec une moyenne de 3,389 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.