#vision-transformer Repository
Scopri 64 repository GitHub open source attivi contrassegnati con #vision-transformer, che raccolgono un totale di 209,451 stelle (con una media di 3,272 stelle per progetto). Il progetto leader di questo argomento è open-mmlab/mmdetection, con 32,234 stelle.
64 repository in totale
pix2tex: Utilizzo di un ViT per convertire immagini di equazioni in codice LaTeX.
Codice e modelli PyTorch per il metodo di apprendimento auto-supervisionato DINOv2.
Questo repository contiene demo che ho realizzato con la libreria Transformers di HuggingFace.
[NeurIPS 2024 Best Paper Award][GPT batte la diffusione🔥] [Leggi di scala nella generazione visiva📈] Implementazione ufficiale di "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Un codebase *ultra-semplice, facile da usare ma all'avanguardia* per la generazione autoregressiva di immagini!
Acquisisci, analizza e ottimizza qualsiasi formato di dati ➡️ dai documenti al multimedia ➡️ per una migliore compatibilità con i framework GenAI
MLX-VLM è un pacchetto per l'inferenza e il fine-tuning di Vision Language Models (VLM) sul tuo Mac utilizzando MLX.
Depth Pro: Profondità metrica monoculare nitida in meno di un secondo.
SwinIR: Ripristino di Immagini Utilizzando Swin Transformer (repository ufficiale)
Il primo plugin di visione per DeepSeek Harness e il ponte di visione per ogni agente di codifica solo testo. Incolla un'immagine, ottieni prove JSON strutturate (OCR, layout, semantica).
Un elenco definitivo e completo di articoli su Vision Transformer/Attention, inclusi articoli, codici e siti Web correlati
Backbone AI efficienti inclusi GhostNet, TNT e MLP, sviluppati da Huawei Noah's Ark Lab.
Il repository fornisce il codice per eseguire l'inferenza con il SAM 3D Body Model (3DB), i link per scaricare i checkpoint del modello addestrato e i dataset, e notebook di esempio che mostrano come utilizzare il modello.
Towhee è un framework dedicato a rendere le pipeline di elaborazione dei dati neurali semplici e veloci.
Modelli fondamentali efficienti per la visione per la generazione e la percezione ad alta risoluzione.
Questo repository include il progetto ufficiale di TransUNet, presentato nel nostro articolo: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
InternLM-XComposer2.5-OmniLive: Un sistema multimodale completo per interazioni audio e video in streaming a lungo termine
[ECCV2024] Modelli Fondamentali Video e Dati per la Comprensione Multimodale
[CVPR 2025] Implementazione ufficiale PyTorch di MambaVision: Un backbone ibrido Mamba-Transformer per la visione
Il repository ufficiale per [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" e [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"
[CVPR 2021] Implementazione ufficiale PyTorch per Transformer Interpretability Beyond Attention Visualization, un nuovo metodo per visualizzare classificazioni da reti basate su Transformer.
Addestramento all-in-one per modelli di visione (YOLO, ViTs, RT-DETR, DINOv3): pre-addestramento, fine-tuning, distillazione.
[ICML2025] SpargeAttention: Un'attenzione sparsa senza addestramento che accelera l'inferenza di qualsiasi modello.
Un elenco curato di modelli di base per attività di visione e linguaggio
Un modello di rappresentazione generale attraverso modalità visive, audio e linguistiche. Articolo: ONE-PEACE: Esplorazione di un modello di rappresentazione generale verso modalità illimitate
UNetFormer: Un transformer simile a UNet per l'efficiente segmentazione semantica di immagini di scene urbane da telerilevamento, ISPRS. Inoltre, sono inclusi altri vision transformer e CNN per la segmentazione di immagini satellitari, aeree e di droni.
:fire: :fire: :fire: Un elenco di documenti su alcuni recenti lavori di Computer Vision (CV)
[ICLR 2024] Implementazione ufficiale PyTorch di FasterViT: Fast Vision Transformer con attenzione gerarchica
Repository della Vision Transformer con Attenzione Deformabile (CVPR2022) e DAT++: Vision Transformer Spazialmente Dinamico con Attenzione Deformabile
Riconoscimento del testo della scena con modelli di sequenza autoregressivi permutati (ECCV 2022)
[ECCV] Swin2SR: SwinV2 Transformer per Super-Resolution e Restauro di Immagini Compresse. Workshop "Advances in Image Manipulation (AIM)" ECCV 2022. Provalo! Oltre 3,3 milioni di esecuzioni https://replicate.com/mv-lab/swin2sr
Domande frequenti
Qual è il repository #vision-transformer più popolare su GitHub?
Il progetto open source #vision-transformer più alto in classifica su GitHub è open-mmlab/mmdetection, con 32,234 stelle. Cassetta degli attrezzi di rilevamento OpenMMLab e benchmark
Quali linguaggi di programmazione sono più utilizzati nei repository #vision-transformer?
Tra i progetti #vision-transformer più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, Cuda.
Come viene calcolata la classifica dei repository #vision-transformer?
Monitoriamo 64 repository open source attivi contrassegnati con #vision-transformer (500+ stelle), per un totale di 209,451 stelle e una media di 3,272 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.