#vision-transformer Repositórios
Descubra 64 repositórios ativos de código aberto no GitHub marcados com #vision-transformer, acumulando um total de 209,451 estrelas (uma média de 3,272 por projeto). O líder deste tópico é open-mmlab/mmdetection, com 32,234 estrelas.
64 repositórios no total
pix2tex: Usando um ViT para converter imagens de equações em código LaTeX.
Código e modelos PyTorch para o método de aprendizado autossupervisionado DINOv2.
Este repositório contém demos que fiz com a biblioteca Transformers do HuggingFace.
[Prêmio de Melhor Artigo NeurIPS 2024][GPT supera a difusão🔥] [leis de escala na geração visual📈] Implementação oficial de "Modelagem Autorregressiva Visual: Geração Escalável de Imagens via Predição de Próxima Escala". Uma base de código *ultrassimples, amigável ao usuário e, ainda assim, de ponta* para geração autorregressiva de imagens!
Ingerir, analisar e otimizar qualquer formato de dados ➡️ de documentos a multimídia ➡️ para maior compatibilidade com frameworks de GenAI
MLX-VLM é um pacote para inferência e ajuste fino de Modelos de Linguagem Visual (VLMs) no seu Mac usando MLX.
Depth Pro: Profundidade Métrica Monocular Nítida em Menos de um Segundo.
O primeiro plugin de visão para DeepSeek Harness e a ponte de visão para cada agente de codificação somente texto. Cole uma imagem, obtenha evidências JSON estruturadas (OCR, layout, semântica).
Uma lista definitiva e abrangente de artigos sobre Vision Transformer/Attention, incluindo artigos, códigos e sites relacionados
Estruturas de IA eficientes, incluindo GhostNet, TNT e MLP, desenvolvidas pelo Huawei Noah's Ark Lab.
O repositório fornece código para executar inferência com o SAM 3D Body Model (3DB), links para download dos checkpoints do modelo treinado e dos conjuntos de dados, e notebooks de exemplo que mostram como usar o modelo.
Towhee é uma estrutura dedicada a tornar os pipelines de processamento de dados neurais simples e rápidos.
Modelos de fundação de visão eficientes para geração e percepção de alta resolução.
Este repositório inclui o projeto oficial do TransUNet, apresentado em nosso artigo: TransUNet: Transformers tornam-se codificadores fortes para segmentação de imagens médicas.
InternLM-XComposer2.5-OmniLive: Um Sistema Multimodal Abrangente para Interações de Vídeo e Áudio em Streaming de Longo Prazo
[ECCV2024] Modelos Fundacionais de Vídeo e Dados para Compreensão Multimodal
[CVPR 2025] Implementação Oficial em PyTorch de MambaVision: Um Backbone Híbrido Mamba-Transformer para Visão
O repositório oficial para [NeurIPS'22] "ViTPose: Baselines Simples de Vision Transformer para Estimativa de Postura Humana" e [TPAMI'23] "ViTPose++: Vision Transformer para Estimativa Genérica de Postura Corporal"
[CVPR 2021] Implementação oficial em PyTorch para a Interpretabilidade de Transformers Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformer.
Treinamento completo para modelos de visão (YOLO, ViTs, RT-DETR, DINOv3): pré-treinamento, ajuste fino, destilação.
[ICML2025] SpargeAttention: Uma atenção esparsa sem treinamento que acelera qualquer inferência de modelo.
Uma lista selecionada de modelos de fundação para tarefas de visão e linguagem
Um modelo de representação geral que abrange as modalidades de visão, áudio e linguagem. Artigo: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities
UNetFormer: um transformer semelhante ao UNet para segmentação semântica eficiente de imagens de cena urbana de sensoriamento remoto, ISPRS. Além disso, incluindo outros transformers de visão e CNNs para segmentação de imagens de satélite, aéreas e de UAV.
:fire: :fire: :fire: Uma lista de artigos de alguns trabalhos recentes em Visão Computacional (CV)
[ICLR 2024] Implementação oficial em PyTorch de FasterViT: Vision Transformers rápidos com atenção hierárquica
Repositório do Vision Transformer com Atenção Deformável (CVPR2022) e DAT++: Vision Transformer Dinâmico Espacialmente com Atenção Deformável
Reconhecimento de Texto de Cena com Modelos de Sequência Autoregressiva Permutados (ECCV 2022)
[ECCV] Swin2SR: SwinV2 Transformer para Super-Resolução e Restauração de Imagens Comprimidas. Workshop Advances in Image Manipulation (AIM) ECCV 2022. Experimente! mais de 3.3M execuções https://replicate.com/mv-lab/swin2sr
Perguntas Frequentes
Qual é o repositório de #vision-transformer mais popular no GitHub?
O projeto de código aberto de #vision-transformer mais bem classificado no GitHub é open-mmlab/mmdetection, com 32,234 estrelas. OpenMMLab Detection Toolbox e Benchmark
Quais linguagens de programação são mais usadas nos repositórios de #vision-transformer?
Entre os projetos de #vision-transformer mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, Cuda.
Como é calculada a classificação dos repositórios de #vision-transformer?
Acompanhamos 64 repositórios ativos de código aberto marcados com #vision-transformer (com mais de 500 estrelas), totalizando 209,451 estrelas e uma média de 3,272 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.