#deep-learning Repositórios
2,273 repositórios no total
Implementação oficial do artigo CVPR 2022 "Neural RGB-D Surface Reconstruction"
Ciclo de Vida Completo de um Projeto de Ciência de Dados
DocBank: Um Conjunto de Dados de Referência para Análise de Layout de Documentos
O código oficial para "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Implementação/Tutorial sobre o uso de métodos de Aprendizado de Máquina Automatizado (AutoML) para aprendizado estático/em lote e online/contínuo
Código de Vestimenta: Prova Virtual de Alta Resolução Multi-Categoria. ECCV 2022
Uma lista de recursos de correspondência/registro de conjuntos de pontos coletados por Gang Wang
[CVPR2024] Código para "SAM-6D: Segment Anything Model Encontra Estimação de Posição de Objeto 6D Zero-Shot".
Implementação oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Este é um código de inferência oficial do artigo "Glyph-ByT5: Um Codificador de Texto Personalizado para Renderização Precisa de Texto Visual" e "Glyph-ByT5-v2: Uma Forte Linha de Base Estética para Renderização Precisa de Texto Visual Multilíngue""
Implementação oficial do código do Vary-toy (Modelo de Linguagem Pequeno Encontra Vocabulário de Visão Reforçado)
[CVPR 2025, TPAMI 2026] UniScene: Geração unificada de cenas de direção centrada na ocupação
Implementação mínima de transformadores de fluxo retificado escalonáveis, com base na abordagem do SD3
Tensorflow Faster R-CNN para Windows/Linux e Python 3 (3.5/3.6/3.7)
Implementação oficial de "FitDiT: Aprimoramento dos Detalhes Autênticos de Vestuário para Prova Virtual de Alta Fidelidade"
TransMorph: Transformer para Registro de Imagem Médica Não Supervisionado (PyTorch)
Este repositório reúne alguns códigos que encapsulam algoritmos comumente utilizados na área de aprendizado de máquina. A maioria deles é baseada em Numpy, Pandas ou Torch. Você pode aprofundar seu entendimento sobre modelos e algoritmos relacionados ou revisá-lo para obter o código personalizado que lhe pertence, consultando este repositório.
:fire: Use modelos pré-treinados no PyTorch para extrair *embeddings* vetoriais para qualquer imagem
Slides sobre IA, notas de artigos, anotações de aula, publicações em blogs e panoramas de pesquisas.
Uma lista selecionada de recursos de Aprendizado por Reforço Multimodal (continuamente atualizada)
Esta é uma lista de artigos excelentes sobre fluxo óptico e trabalhos relacionados.
Este repositório contém os códigos para LipGAN. LipGAN foi publicado como parte do artigo intitulado "Towards Automatic Face-to-Face Translation".
Um novo método de interação humana para extração de fala em tempo real em fones de ouvido.
Detetores, Rastreadores e SAM de Visão Computacional Fáceis e Modulares – Execute YOLOv9, v8, v7, v6, v5, R, X em menos de 10 linhas de código.
Uma implementação de codificação posicional 1D, 2D e 3D em Pytorch e TensorFlow
🎉 PILOT: Uma Caixa de Ferramentas de Aprendizado Contínuo Baseada em Modelo Pré-treinado
Pacote Python para realizar Correspondência de Entidades e Texto usando Aprendizado Profundo.
A biblioteca AutoML mais limpa do mundo ✨ - Faça o ajuste fino de hiperparâmetros com as abstrações de pipeline corretas para escrever pipelines de produção de aprendizado profundo limpos. Permita que as etapas do seu pipeline tenham espaços de hiperparâmetros. Projete etapas no seu pipeline como componentes. Compatível com Scikit-Learn, TensorFlow e a maioria das outras bibliotecas, frameworks e ambientes MLOps.
🔥 Detecção de Objetos e Segmentação Semântica em Nuvens de Pontos 3D (Deep Learning) - Métodos SOTA, Código, Artigos, Datasets e Muito Mais
Notas de aula de Machine Learning (Machine Learning) 2021 Spring do professor Li Hongyi da Universidade de Taiwan (NTU)
Como componente central da comunidade Huawei Ascend para PyTorch, o TorchNPU é um plug-in adaptador de aprendizado profundo desenvolvido pela Ascend para o PyTorch. Ele permite que a estrutura PyTorch invoque diretamente as NPUs Ascend e oferece aos desenvolvedores a poderosa capacidade computacional dos processadores de IA Ascend.
Extração de eventos a partir de documentos de sentenças judiciais e suas aplicações, incluindo segmentação de palavras dos dados (tokenização), marcação de classes gramaticais (POS tagging), reconhecimento de entidades nomeadas, extração de elementos de eventos e previsão de resultados de sentenças.
dddmr_navigation é a solução de navegação 3D para robôs móveis que inclui mapeamento, localização, percepção, planejamento de trajetória, controlador e uma pilha de navegação.
Um subconjunto dos módulos de rede neural do PyTorch, escrito em Python usando Triton da OpenAI.