#contrastive-learning Repository
Scopri 37 repository GitHub open source attivi contrassegnati con #contrastive-learning, che raccolgono un totale di 64,082 stelle (con una media di 1,731 stelle per progetto). Il progetto leader di questo argomento è facebookresearch/ImageBind, con 9,084 stelle.
37 repository in totale
Addestra e valuta gli embedding per la ricerca per similarità con PyTorch. Include funzioni di perdita contrastive, mining di esempi difficili, sampler e metriche di recupero.
Una libreria Python per l’apprendimento auto-supervisionato e i modelli del mondo latenti applicati alle immagini.
[NeurIPS 2024] Codice ufficiale per PuLID: ID personalizzazione pura e fulminea tramite allineamento contrastivo
[ECCV2024] Modelli Fondamentali Video e Dati per la Comprensione Multimodale
Modelli CLIP" all'avanguardia per immagini e video, modelli linguistici di grandi dimensioni multimodali e altro ancora!
Una raccolta di classici industriali e articoli all'avanguardia nei settori raccomandazione/pubblicità/ricerca. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Addestramento all-in-one per modelli di visione (YOLO, ViTs, RT-DETR, DINOv3): pre-addestramento, fine-tuning, distillazione.
Codice per 'LLM2Vec: Large Language Models Are Secretly Powerful Text Encoders'
solo-learn: una libreria di metodi auto-supervisionati per l'apprendimento di rappresentazioni visive, potenziata da Pytorch Lightning
Questo repository è l'implementazione ufficiale di Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Addestramento e inferenza distribuiti per la percezione multimodale: embedding condivisi per testo, immagini, video, audio, codice e grafi, da 64 a 1024 dimensioni 🖼️
Lista fantastica per la ricerca su CLIP (Contrastive Language-Image Pre-Training).
Incorporamenti latenti apprendibili per l'analisi congiunta comportamentale e neurale – Implementazione ufficiale di CEBRA
Implementazione PyTorch di SimCLR: Un framework semplice per l'apprendimento contrastivo di rappresentazioni visive di T. Chen et al.
Un’implementazione concisa ma completa di CLIP, con vari miglioramenti sperimentali proposti in articoli recenti
Questo repository contiene il codice per "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] e "MMEB-V3" [COLM 2026]
Framework velocissimo per il fine-tuning di modelli di apprendimento per la similarità
CAIRI Toolbox e Benchmark per l'apprendimento di rappresentazioni visive supervisionato, semi-supervisionato e auto-supervisionato
EMNLP'22 | MedCLIP: Apprendimento contrastivo da immagini e testi medici non accoppiati
[NeurIPS 2020] "Graph Contrastive Learning with Augmentations" di Yuning You, Tianlong Chen, Yongduo Sui, Ting Chen, Zhangyang Wang, Yang Shen
[WSDM'2024 Oral] "SSLRec: Un framework di apprendimento auto-supervisionato per le raccomandazioni"
Sistema di raccomandazione musicale da brano a brano, addestrato su 45 milioni di brani Spotify e 1,8 milioni di playlist. (Inserisci un ID di un brano Spotify / ISRC per ottenere brani simili.)
PLUTO: Spingere al limite la pianificazione basata sull'apprendimento per imitazione per la guida autonoma
Apprendimento contrastivo auto-supervisionato per serie temporali tramite coerenza tempo-frequenza
Domande frequenti
Qual è il repository #contrastive-learning più popolare su GitHub?
Il progetto open source #contrastive-learning più alto in classifica su GitHub è facebookresearch/ImageBind, con 9,084 stelle. ImageBind Uno spazio di embedding per unirli tutti
Quali linguaggi di programmazione sono più utilizzati nei repository #contrastive-learning?
Tra i progetti #contrastive-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Cuda.
Come viene calcolata la classifica dei repository #contrastive-learning?
Monitoriamo 37 repository open source attivi contrassegnati con #contrastive-learning (500+ stelle), per un totale di 64,082 stelle e una media di 1,731 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.