#transformer-architecture Repositórios
147 repositórios no total
Vchitect-2.0: Transformer Paralelo para Escalar Modelos de Difusão de Vídeo
📖 Este é um repositório para organizar artigos, códigos e outros recursos relacionados a modelos multimodais unificados.
[T-PAMI-2024] Segmentação Visual Baseada em Transformer: Uma Pesquisa
[ICCV 2023] StreamPETR: Explorando a Modelagem Temporal Centrada em Objetos para Detecção Eficiente de Objetos 3D Multivisão
O repositório do ET-BERT, um modelo de classificação de tráfego de rede para tráfego criptografado. O trabalho foi aceito como artigo na The Web Conference (WWW) 2022.
Modelo de linguagem de pesos abertos do Google DeepMind, baseado no Griffin.
[ICCV 2025] Código oficial de "ORION: Uma estrutura holística de ponta a ponta para direção autônoma por meio da geração de ações instruída por visão e linguagem"
[Destaque ICLR 2024] Grande Modelo Cerebral para Aprendizagem de Representações Genéricas com Tremendos Dados de EEG em BCI
Pippo: Humanos de Alta Resolução com Múltiplas Visualizações a Partir de Uma Única Imagem
Uma lista de leitura selecionada de pesquisas em Mixture-of-Experts (MoE).
Prov-GigaPath: Um modelo fundacional de lâminas completas para patologia digital a partir de dados do mundo real
XVERSE-13B: Um grande modelo de linguagem multilíngue desenvolvido pela XVERSE Technology Inc.
O código oficial para "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Analise a inferência de Modelos de Linguagem Grandes (LLMs). Analise aspectos como computação, armazenamento, transmissão e o modelo de "hardware roofline" em uma interface amigável.
Uma implementação modular eficiente de Associating Objects with Transformers para Segmentação de Objetos em Vídeo em PyTorch
Esta é a implementação oficial do nosso artigo: "MiniMax-Remover: Taming Bad Noise Helps Video Object Removal"
[CVPR 2022] MHFormer: Transformer de Múltiplas Hipóteses para Estimação de Pose Humana 3D
[CVPR 2025 Oral] TokenHSI: Síntese Unificada de Interações Físicas Humano-Cena através da Tokenização de Tarefas
[IGARSS'22]: Uma Rede Siamesa Baseada em Transformer para Detecção de Mudanças
🌕 [BMVC 2022] Você Só Precisa de 90K Parâmetros para Adaptar a Luz: Um Transformer Leve para Melhoria de Imagem e Correção de Exposição. SOTA para aprimoramento de pouca luz, 0,004 segundos, experimente isto para pré-processamento.
[ICLR 2025] DuoAttention: Inferência Eficiente de LLM de Contexto Longo com Cabeças de Recuperação e Streaming
[IEEE TMI-2024] UNETR++: Aprofundamento na Segmentação de Imagens Médicas 3D Eficiente e Precisa
rastreamento de artigos, conjuntos de dados e modelos de "modelo de linguagem grande (LLM) para séries temporais"
Uma lista abrangente de excelentes artigos de pesquisa, modelos, conjuntos de dados e outros recursos sobre modelos Vision‑Language‑Action (VLA) na robótica.