#vision-transformer Dépôts
Découvrez 64 dépôts GitHub open source actifs associés à #vision-transformer, cumulant 209,451 étoiles au total (soit une moyenne de 3,272 étoiles par projet). Le projet en tête de ce thème est open-mmlab/mmdetection, avec 32,234 étoiles.
64 dépôts au total
pix2tex : Utiliser un ViT pour convertir des images d'équations en code LaTeX.
Code et modèles PyTorch pour la méthode d'apprentissage auto-supervisé DINOv2.
Ce dépôt contient des démos que j'ai réalisées avec la bibliothèque Transformers de HuggingFace.
[NeurIPS 2024 Best Paper Award][GPT bat la diffusion🔥] [Lois d'échelle dans la génération visuelle📈] Implémentation officielle de "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Une base de code *ultra-simple, conviviale mais à la pointe de la technologie* pour la génération d'images autorégressive !
Ingérez, analysez et optimisez n'importe quel format de données ➡️ des documents au multimédia ➡️ pour une compatibilité améliorée avec les frameworks GenAI
MLX-VLM est un package pour l'inférence et le fine-tuning des modèles de vision et de langage (VLM) sur votre Mac à l'aide de MLX.
Depth Pro : Profondeur métrique monoculaire nette en moins d'une seconde.
SwinIR : Restauration d'images utilisant le Transformer Swin (dépôt officiel)
Le premier plugin de vision pour DeepSeek Harness, et le pont de vision pour chaque agent de codage texte uniquement. Collez une image, obtenez des preuves JSON structurées (OCR, mise en page, sémantique).
Une liste finalement complète de papiers sur Vision Transformer/Attention, incluant papiers, codes et sites Web associés
Backbones IA efficaces incluant GhostNet, TNT et MLP, développés par Huawei Noah's Ark Lab.
Scenic : Une bibliothèque Jax pour la recherche en vision par ordinateur et au-delà
Le dépôt fournit le code pour exécuter l'inférence avec le SAM 3D Body Model (3DB), des liens pour télécharger les points de contrôle du modèle entraîné et les jeux de données, ainsi que des carnets d'exemples montrant comment utiliser le modèle.
Towhee est un framework dédié à rendre les pipelines de traitement de données neuronales simples et rapides.
Modèles fondamentaux de vision efficaces pour la génération et la perception à haute résolution.
Ce dépôt comprend le projet officiel de TransUNet, présenté dans notre article : TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
InternLM-XComposer2.5-OmniLive : Un système multimodal complet pour les interactions audio et vidéo en streaming à long terme
[ECCV2024] Modèles Fondamentaux Vidéo & Données pour la Compréhension Multimodale
[CVPR 2025] Implémentation officielle PyTorch de MambaVision : un backbone hybride Mamba-Transformer pour la vision
Le dépôt officiel pour [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" et [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"
[CVPR 2021] Implémentation PyTorch officielle pour Transformer Interpretability Beyond Attention Visualization, une nouvelle méthode pour visualiser les classifications par les réseaux basés sur Transformer.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
[ICML2025] SpargeAttention : Une attention éparse sans entraînement qui accélère l'inférence de n'importe quel modèle.
Une liste organisée de modèles fondamentaux pour les tâches de vision et de langage
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
Hiera : Un transformeur de vision hiérarchique rapide, puissant et simple.
UNetFormer : un transformeur de type UNet pour la segmentation sémantique efficace d'images de scènes urbaines de télédétection, ISPRS. De plus, d'autres transformeurs de vision et CNN sont inclus pour la segmentation d'images satellites, aériennes et d'images d'UAV.
:fire: :fire: :fire: Une liste d'articles sur certains travaux récents en vision par ordinateur (CV)
[ICLR 2024] Implémentation PyTorch officielle de FasterViT : Vision Transformers rapides avec attention hiérarchique
Référentiel du Vision Transformer avec une Attention Déformable (CVPR2022) et DAT++ : Vision Transformer Spatiellement Dynamique avec une Attention Déformable
Reconnaissance de texte de scène avec des modèles de séquence autorégressifs permutés (ECCV 2022)
[ECCV] Swin2SR: SwinV2 Transformer pour la Super-Résolution et la Restauration d'Images Compressées. Atelier "Advances in Image Manipulation (AIM)" ECCV 2022. Essayez-le ! Plus de 3,3 millions d'exécutions https://replicate.com/mv-lab/swin2sr
Foire aux questions
Quel est le dépôt #vision-transformer le plus populaire sur GitHub ?
Le projet #vision-transformer open source le mieux classé sur GitHub est open-mmlab/mmdetection, avec 32,234 étoiles. Boîte à outils de détection OpenMMLab et benchmark
Quels langages de programmation sont les plus utilisés dans les dépôts #vision-transformer ?
Parmi les projets #vision-transformer les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Cuda.
Comment le classement des dépôts #vision-transformer est-il calculé ?
Nous suivons 64 dépôts open source actifs associés à #vision-transformer (500+ étoiles), totalisant 209,451 étoiles, avec une moyenne de 3,272 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.