#zero-shot-learning Repository
Scopri 61 repository GitHub open source attivi contrassegnati con #zero-shot-learning, che raccolgono un totale di 190,954 stelle (con una media di 3,130 stelle per progetto). Il progetto leader di questo argomento è facebookresearch/segment-anything, con 53,052 stelle.
61 repository in totale
Il repository fornisce il codice per l'esecuzione dell'inferenza con il SegmentAnything Model (SAM), collegamenti per il download dei checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
InstantID: Generazione a Zero-Shot che preserva l'identità in pochi secondi 🔥
Repository ufficiale di "SAMURAI: Adapting Segment Anything Model for Zero-Shot Visual Tracking with Motion-Aware Memory"
[NeurIPS 2023] Implementazione ufficiale del paper "Segment Everything Everywhere All at Once"
Riepilogo di Prompt & LLM papers, dati e modelli open source, applicazioni AIGC
Modelli base Chinese-LLaMA 1&2, Chinese-Falcon; Modello di dialogo cinese ChatFlow; Modello Chinese-OpenLLaMA; Dataset per pre-training/fine-tuning su istruzioni NLP
[CVPR 2025 Best Paper Nomination] FoundationStereo: Zero-Shot Stereo Matching
Riconoscimento vocale multilingue open-source Omnilingual ASR per oltre 1600 lingue
Rilascio del codice per "Rilevamento di ventimila classi utilizzando la supervisione a livello di immagine".
Repository GitHub ufficiale per C-Eval, una suite di valutazione cinese per modelli fondamentali [NeurIPS 2023]
Questo repository contiene l'implementazione ufficiale degli articoli di ricerca "MobileCLIP" CVPR 2024 e "MobileCLIP2" TMLR August 2025
[TPAMI 2025] ViewCrafter: Domare i modelli di diffusione video per la sintesi di viste nuove ad alta fedeltà
Una raccolta di articoli sul tema ``Computer Vision in the Wild (CVinW)''
Questo repository contiene il codice del paper CVPR 2022 "Image Segmentation Using Text and Image Prompts".
Rilascio ufficiale del codice e dei checkpoint per i modelli fondamentali di robot mobili: GNM, ViNT e NoMaD.
Articoli eccezionali sull'estrazione di informazioni generative (IE) utilizzando grandi modelli linguistici (LLM)
Implementazione ufficiale di PyTorch di ODISE: Segmentazione Panottica Open-Vocabulary con Modelli di Diffusione Text-to-Image [CVPR 2023 Highlight]
SONAR, un nuovo spazio di embedding multilingue e multimodale a dimensione fissa per frasi, con una suite completa di encoder e decoder vocali e testuali.
Un elenco curato di pubblicazioni sulla segmentazione semantica a vocabolario aperto e aree correlate (ad es. segmentazione semantica zero-shot) risorse..
[ICLR2026] codici per R-Zero: LLM di ragionamento auto-evolutivo da zero dati (https://www.arxiv.org/pdf/2508.05004)
Implementazione ufficiale di "Lotus: Modello di base visivo basato su diffusione per previsioni dense di alta qualità"
Una libreria leggera per generare set di dati di ottimizzazione delle istruzioni sintetiche per i tuoi dati senza GPT.
Un elenco curato di fantastici metodi di apprendimento di prompt/adattatori per modelli vision-language come CLIP.
Fusione di Modelli nei LLMs, MLLMs e oltre: Metodi, Teorie, Applicazioni e Opportunità. ACM Computing Surveys, 2026.
Il primo modello comportamentale per controllare un agente umanoide virtuale basato sulla fisica per una vasta gamma di compiti sull'intero corpo.
Repository ufficiale per Splatt3R: Zero-shot Gaussian Splatting da coppie di immagini non calibrate
Un’implementazione concisa ma completa di CLIP, con vari miglioramenti sperimentali proposti in articoli recenti
[IJCV] FastComposer: Generazione di immagini multi-soggetto senza tuning con attenzione localizzata
Raccolta di 【Applicazioni Python】【Addestramento pratico Python】【Condivisione tecnologia Python】 ecc.
Domande frequenti
Qual è il repository #zero-shot-learning più popolare su GitHub?
Il progetto open source #zero-shot-learning più alto in classifica su GitHub è facebookresearch/segment-anything, con 53,052 stelle. Il repository fornisce il codice per l'esecuzione dell'inferenza con il SegmentAnything Model (SAM), collegamenti per il download dei checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
Quali linguaggi di programmazione sono più utilizzati nei repository #zero-shot-learning?
Tra i progetti #zero-shot-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook.
Come viene calcolata la classifica dei repository #zero-shot-learning?
Monitoriamo 61 repository open source attivi contrassegnati con #zero-shot-learning (500+ stelle), per un totale di 190,954 stelle e una media di 3,130 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.