#foundation-models Repositórios
155 repositórios no total
Servidor API compatível com OpenAI para modelos da Apple no dispositivo
Gaze-LLE: Estimativa do Alvo do Olhar via Codificadores Aprendidos em Grande Escala (CVPR 2025, Destaque)
Um kit de ferramentas Python para ajuste fino de Modelos Fundacionais Geoespaciais (GFMs).
[NeurIPS 2025 Spotlight] OpenCUA: Fundações Abertas para Agentes de Uso de Computador
Implementação oficial de "Lotus: Modelo de Fundação Visual Baseado em Difusão para Previsão Densa de Alta Qualidade"
📖 Este é um repositório para organizar artigos, códigos e outros recursos relacionados a modelos multimodais unificados.
Uma lista selecionada de artigos de Visão 3D relacionados ao domínio da Robótica na era dos grandes modelos, ou seja, LLMs/VLMs, inspirada em awesome-computer-vision, incluindo artigos, códigos e websites relacionados
VoxPoser: Mapas de Valor 3D Componíveis para Manipulação Robótica com Modelos de Linguagem
Fusão de Modelos em LLMs, MLLMs e Além: Métodos, Teorias, Aplicações e Oportunidades. ACM Computing Surveys, 2026.
[Prêmio de Jovem Cientista da MICCAI 2019] [Prêmio de Melhor Artigo da MedIA] Models Genesis: pré-treinamento autossupervisionado para imagens médicas 3D. Aprende representações transferíveis a partir de volumes de TC e RM não rotulados e, em seguida, é ajustado para tarefas posteriores de segmentação e classificação. Pesos para Keras e PyTorch incluídos.
[CVPR26] TESSERA é um modelo de base que pode processar imagens de satélite em séries temporais para aplicações como classificação de uso do solo e previsão de altura de dossel. Desenvolvido na Universidade de Cambridge, ele permite a extração eficiente de padrões temporais a partir de observações da Terra
Implementação oficial para HyenaDNA, um modelo de base genômico de longo alcance construído com Hyena
[Repositório Oficial] Visual Mamba: Um Levantamento e Novas Perspectivas
Modelos Fundamentais Legíveis, Escaláveis e Reprodutíveis com Tensores Nomeados e Jax
BiomedGPT: Um Modelo Fundamental Generalista de Visão-Linguagem para Diversas Tarefas Biomédicas
Modelos Fundacionais de Visão para IA Médica, incluindo RETFound, DINOv2, DINOv3
✨✨Últimos Artigos e Benchmarks em Raciocínio com Modelos de Fundação
O repositório oficial de "Vidi: Modelos Multimodais Grandes para Entendimento e Edição de Vídeo"
Esta é a implementação em pytorch do nosso artigo "RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model"
O código oficial para "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Implementação PyTorch de EmerNeRF: Decomposição de Cena Espaço-Temporal Emergente por Auto-Supervisão
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Modelagem Unificada do Mundo Ciente de Geometria
[Destaque do CVPR 2024] Feature 3DGS: Potencializando o 3D Gaussian Splatting para Habilitar Campos de Características Destiladas
MatterSim: Um modelo atômico de aprendizado profundo em diversos elementos, temperaturas e pressões.
Este repositório contém código de avaliação para o artigo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
LaVIT: Capacitar o Grande Modelo de Linguagem para Compreender e Gerar Conteúdo Visual
Artigos de pesquisa recentes sobre Modelos Fundamentais para Otimização Combinatória
[ICLR2025 Spotlight🔥] Implementação Oficial de TokenFormer: Repensando o Escalamento de Transformers com Parâmetros de Modelo Tokenizados
Ferramentas com segurança de tipos, inferência no dispositivo, fluxos de trabalho multiagente, memória e barreiras de segurança, em um único runtime nativo em Swift
[ECCV2024] Modelo de Linguagem Grande Multimodal Fundamentado com Tokenização Visual Localizada
Inspirando a Próxima Geração de Modelos 'Segment Anything': Avaliando de Forma Abrangente SAM e SAM 2 com Diversos Prompts em Direção a Conceitos Dependentes de Contexto em Diferentes Cenários