#foundation-models Repository
155 repository in totale
Gaze-LLE: Stima del bersaglio dello sguardo tramite encoder su larga scala appresi (CVPR 2025, Highlight)
Un toolkit Python per il fine-tuning di modelli geospaziali fondamentali (GFM).
[NeurIPS 2025 Spotlight] OpenCUA: Fondamenta aperte per agenti di utilizzo del computer
Implementazione ufficiale di "Lotus: Modello di base visivo basato su diffusione per previsioni dense di alta qualitร "
๐ Questo รจ un repository per organizzare articoli, codici e altre risorse relative a modelli multimodali unificati.
Un elenco curato di articoli sulla visione 3D relativi al dominio della robotica nell'era dei grandi modelli, ovvero LLM/VLM, ispirato da awesome-computer-vision, inclusi articoli, codici e siti Web correlati
VoxPoser: Mappe di Valore 3D Componibili per la Manipolazione Robotica con Modelli Linguistici
Fusione di Modelli nei LLMs, MLLMs e oltre: Metodi, Teorie, Applicazioni e Opportunitร . ACM Computing Surveys, 2026.
[Premio per giovani scienziati MICCAI 2019] [Premio per il miglior articolo MedIA] Models Genesis: pre-addestramento autosupervisionato per immagini mediche 3D. Apprende rappresentazioni trasferibili da volumi CT e MRI privi di annotazioni, quindi viene sottoposto a fine-tuning per le attivitร a valle di segmentazione e classificazione. Pesi Keras e PyTorch inclusi.
[CVPR26] TESSERA รจ un modello di base che puรฒ elaborare immagini satellitari in serie temporali per applicazioni come la classificazione del suolo e la previsione dell'altezza del baldacchino. Sviluppato presso l'Universitร di Cambridge, consente l'estrazione efficiente di pattern temporali dalle osservazioni della Terra
Implementazione ufficiale per HyenaDNA, un modello di base genomico a lungo raggio costruito con Hyena
Un modello fondazionale per il controllo dellโintero corpo degli umanoidi
[Repository Ufficiale] Visual Mamba: Una Panoramica e Nuove Prospettive
Modelli Fondazionali Leggibili, Scalabili e Riproducibili con Tensori Nominati e Jax
BiomedGPT: Un modello fondazionale generalista Vision-Language per diversi compiti biomedici
โจโจUltimi Articoli e Benchmark nel Ragionamento con Modelli Fondazionali
Il repository ufficiale per "Vidi: Modelli Multimodali Grandi per la Comprensione e l'Editing Video"
Questa รจ l'implementazione PyTorch del nostro articolo "RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model"
Il codice ufficiale per "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Modello di Ricostruzione Gaussiana Ampio per Ricostruzione e Generazione 3D Efficiente
Implementazione PyTorch di EmerNeRF: Decomposizione spaziale-temporale emergente della scena tramite auto-supervisione
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Modellazione unificata del mondo consapevole della geometria
[CVPR 2024 Highlight] Feature 3DGS: Potenziare il 3D Gaussian Splatting per abilitare campi di feature distillati
MatterSim: Un modello atomistico di deep learning che copre elementi, temperature e pressioni.
Questo repository contiene il codice di valutazione per l'articolo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
LaVIT: Potenziare il Large Language Model per Comprendere e Generare Contenuti Visivi
Articoli di ricerca recenti su Modelli Fondamentali per l'Ottimizzazione Combinatoria
[ICLR2025 Spotlight๐ฅ] Implementazione ufficiale di TokenFormer: Ripensare il ridimensionamento dei Transformer con parametri di modello tokenizzati
Strumenti type-safe, inferenza sul dispositivo, flussi di lavoro multi-agente, memoria e guardrail, in un unico runtime nativo Swift
[ECCV2024] Modello linguistico multimodale ampio e fondato con tokenizzazione visiva localizzata
Ispirare la prossima generazione di Segment Anything Models: Valutare in modo completo SAM e SAM 2 con prompt diversi verso concetti dipendenti dal contesto in scene differenti