#foundation-models Dépôts
155 dépôts au total
Serveur d'API compatible avec OpenAI pour les modèles sur appareil Apple
Gaze-LLE : Estimation de la cible du regard via des encodeurs appris à grande échelle (CVPR 2025, Highlight)
Une boîte à outils Python pour le réglage fin des modèles géospatiaux fondamentaux (GFM).
[NeurIPS 2025 Spotlight] OpenCUA : Fondations ouvertes pour les agents d'utilisation d'ordinateur
Implémentation officielle de « Lotus : Modèle de base visuel basé sur la diffusion pour la prédiction dense de haute qualité »
📖 Ceci est un dépôt pour organiser des articles, du code et d'autres ressources liés aux modèles multimodaux unifiés.
Une liste organisée d'articles sur la vision 3D relatifs au domaine de la robotique à l'ère des grands modèles, c'est-à-dire les LLM/VLM, inspirée par awesome-computer-vision, y compris des articles, des codes et des sites Web connexes
VoxPoser : Cartes de Valeur 3D Componibles pour la Manipulation Robotique avec des Modèles Linguistiques
Fusion de Modèles dans les LLMs, MLLMs et au-delà : Méthodes, Théories, Applications et Opportunités. ACM Computing Surveys, 2026.
[Prix du jeune scientifique de MICCAI 2019] [Prix du meilleur article de MedIA] Models Genesis : pré-entraînement auto-supervisé pour les images médicales 3D. Apprend des représentations transférables à partir de volumes de TDM et d’IRM non annotés, puis effectue un affinage pour les tâches en aval de segmentation et de classification. Poids Keras et PyTorch inclus.
[CVPR26] TESSERA est un modèle de base qui peut traiter des images satellites en séries temporelles pour des applications telles que la classification des terres et la prédiction de la hauteur de la canopée. Développé à l'Université de Cambridge, il permet l'extraction efficace de motifs temporels à partir des observations de la Terre
Implémentation officielle pour HyenaDNA, un modèle de fondation génomique à longue portée construit avec Hyena
Un modèle de fondation pour le contrôle du corps entier des humanoïdes
[Dépôt Officiel] Visual Mamba : Un état de l'art et de nouvelles perspectives
Modèles Fondamentaux Lisibles, Évolutifs et Reproductibles avec Tenseurs Nommés et Jax
BiomedGPT: Un modèle de fondation généraliste Vision-Langage pour diverses tâches biomédicales
Modèles de fondation de vision pour l'IA médicale, y compris RETFound, DINOv2, DINOv3
✨✨Derniers Articles et Benchmarks en Raisonnement avec les Modèles Fondamentaux
Le dépôt officiel pour « Vidi : Modèles multimodaux volumineux pour la compréhension et l'édition de vidéos »
Ceci est l'implémentation PyTorch de notre article « RSPrompter : Apprendre à interpeller pour la segmentation d'instance de télédétection basée sur un modèle de base visuel »
Le code officiel pour "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Grand Modèle de Reconstruction Gaussienne pour une Reconstruction et Génération 3D Efficace
Implémentation PyTorch d'EmerNeRF : Décomposition spatio-temporelle émergente de scène par auto-supervision
[ICCV 2025 & ICCV 2025 RIWM Prix du Meilleur Article] Aether : Modélisation unifiée du monde consciente de la géométrie
[CVPR 2024 Highlight] Feature 3DGS : Supercharger le splatting gaussien 3D pour permettre des champs de caractéristiques distillés
MatterSim : Un modèle atomistique d’apprentissage profond couvrant éléments, températures et pressions.
Ce dépôt contient le code d'évaluation pour l'article « MMMU : Une référence massive multidisciplinaire multimodale pour la compréhension et le raisonnement destinée à l'expert AGI »
LaVIT : Permettre au grand modèle linguistique de comprendre et de générer du contenu visuel
Articles de recherche récents sur les Modèles Fondamentaux pour l'Optimisation Combinatoire
[ICLR2025 Spotlight🔥] Implémentation officielle de TokenFormer : Repenser le passage à l'échelle des Transformers avec des paramètres de modèle tokenisés
Des outils à sécurité de typage, l'inférence sur l'appareil, des flux de travail multi-agents, la mémoire et des garde-fous, le tout dans un runtime natif Swift
[ECCV2024] Grand modèle linguistique multimodal fondé avec tokenisation visuelle localisée
Inspirer la prochaine génération de modèles Segment Anything : Évaluer de manière exhaustive SAM et SAM 2 avec des invites diverses pour des concepts dépendant du contexte dans différents scénarios