#foundation-models Dépôts
155 dépôts au total
Une liste organisée d'articles et de ressources sur la détection de fraude, d'anomalies et de valeurs aberrantes basée sur les graphes/transformateurs
MarS : un moteur de simulation de marché financier alimenté par un modèle fondamental génératif
Dépôt GitHub officiel pour C-Eval, une suite d'évaluation chinoise pour les modèles fondamentaux [NeurIPS 2023]
RDT-1B : un modèle de fondation de diffusion pour la manipulation bimodale
Pré-entraînement vidéo (VPT) : Apprendre à agir en regardant des vidéos en ligne non étiquetées
AuK : Un modèle fondamental open source pour la génération et l’édition de la parole
Modélisation des fondements biologiques de l'échelle moléculaire à l'échelle du génome
Lag-Llama : Vers des modèles fondamentaux pour la prévision probabiliste de séries temporelles
Bibliothèque Python pour la prévision de séries temporelles utilisant des modèles compatibles avec scikit-learn, des méthodes statistiques et des modèles fondamentaux
Implémentation officielle de VisionHOPE en PyTorch : les architectures visuelles comme systèmes d’apprentissage auto-modifiants.
Catalogue visuel soigneusement sélectionné de plus de 200 architectures de modèles de vision et de langage (VLM/MLLM) : articles, schémas, recettes d’entraînement, jeux de données et calendrier de publication des agents d’IA multimodaux.
Une collection d'articles sur le thème ``Computer Vision in the Wild (CVinW)''
Code pour "MatchAnything: Universal Cross-Modality Image Matching with Large-Scale Pre-Training", TPAMI 2026.
Articles "indispensables" sur l'édition de connaissances pour les grands modèles linguistiques.
[PKU EPIC Lab] Guide d'introduction à l'IA incarnée pour les débutants
TorchXRayVision : Une bibliothèque de jeux de données et de modèles de radiographies thoraciques. Classificateurs, segmentation et auto-encodeurs.
Un laboratoire pratique pour créer, tester et évaluer des applications avec le framework de modèles de fondation d'Apple.
Une liste professionnelle sur les grands modèles (de langage) et les modèles fondamentaux (LLM, LM, FM) pour les données de séries temporelles, spatio-temporelles et événementielles.
Une liste organisée de modèles fondamentaux pour les tâches de vision et de langage
Modèles Fondamentaux Multimodaux de Pointe pour la Compréhension d'Images et de Vidéos
Modèle Segment Anything pour la segmentation d'images médicales : Résumé du projet open source
Publication officielle du code et des points de contrôle pour les modèles fondamentaux de robots mobiles : GNM, ViNT et NoMaD.
[Candidat au Meilleur Article ECCV 2024 et TPAMI 2025] PointLLM : Donner aux Grands Modèles Linguistiques les Moyens de Comprendre les Nuages de Points
Un modèle de représentation général à travers les modalités de vision, audio et langage. Article : ONE-PEACE : Exploration d'un modèle de représentation général vers des modalités illimitées
Outils et frameworks complets pour le développement de modèles fondamentaux adaptés aux systèmes de recommandation.
Code officiel, jeux de données et points de contrôle pour "Timer : Les transformeurs pré-entraînés génératifs sont de grands modèles de séries temporelles" (ICML 2024) et travaux ultérieurs
À propos de la publication du code pour "TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis" (ICLR 2023), https://openreview.net/pdf?id=ju_Uqw384Oq
[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), le premier modèle de son genre capable de générer des réponses en langage naturel parfaitement intégrées à des masques de segmentation d'objets.
SAM-Med3D : Un modèle de segmentation universel efficace activable par invite pour l'image médicale volumétrique 3D
Modèle de base vidéo de niveau industriel pour la génération unifiée de texte en vidéo (T2V) et d'image en vidéo (I2V).
Ultra-Fusion : Un cadre SLAM de fusion multi-capteurs à couplage serré et résilient face à la dégradation des capteurs et aux perturbations spatio-temporelles
Pile ADAS de niveau 2 gratuite et entièrement open source, propulsée par une technologie d'IA de bout en bout
[ICLR 2024] Implémentation PyTorch officielle de FasterViT : Vision Transformers rapides avec attention hiérarchique