#deep-learning Репозитории
Всего репозиториев: 2,273
Фреймворк для использования LSTM для обнаружения аномалий в многомерных временных рядах. Включает данные об аномалиях космических аппаратов и эксперименты из миссий Mars Science Laboratory и SMAP.
Python-фреймворк для оценки маркировки последовательностей (распознавание именованных сущностей, разметка POS и т.д...)
[NeurIPS 2020] Официальный код для статьи «DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation». Включает библиотеку PyTorch для глубокого обучения на данных SVG.
PyTorch – Расчет FID с надлежащим изменением размера изображения и шагами квантования [CVPR 2022]
:books: Сборник статей по окрашиванию изображений и видео на основе глубокого обучения.
Инструменты для обработки мультимодальных данных в проектах машинного обучения.
OpenSTL: Комплексный бенчмарк для пространственно-временного прогнозного обучения
[CVPR2023] Официальный репозиторий OC-SORT: Observation-Centric SORT для многообъектного отслеживания видео. OC-SORT прост, работает в режиме онлайн и устойчив к окклюзии/нелинейному движению.
Быстрая дифференцируемая тензорная библиотека на JavaScript и TypeScript с Bun + Flashlight
[ICLR 2025 Oral] TANGO: Воссоздание видео жестов в сопровождении речи с иерархическим внедрением аудио-движения и диффузионной интерполяцией
Реализация AudioLCM (ACM-MM'24) на PyTorch: эффективная и высококачественная генерация текста в аудио с использованием модели латентной согласованности.
Библиотека глубокого обучения для классификации задач (сигналов) ЭЭГ, основанная на TensorFlow.
[CoRL 2024] Open-TeleVision: Телеоперация с иммерсивной активной визуальной обратной связью
NVTabular — это библиотека для инжиниринга признаков и предварительной обработки табличных данных, разработанная для быстрого и легкого манипулирования наборами данных объемом в терабайты, используемыми для обучения рекомендательных систем на основе глубокого обучения.
Реализация модели языка Plug and Play. Позволяет управлять темой и атрибутами моделей GPT-2.
Вопросы для собеседования по машинному обучению/глубокому обучению/Python/языку Go (тестовые задания) (Machine learning Deep Learning Python and Golang Interview Questions)
Подборка веб-ресурсов по машинному и глубокому обучению (Ресурсы по машинному обучению)
[IJCV] Show-1: Соединение пиксельных и латентных диффузионных моделей для генерации видео по тексту
Официальная реализация PyTorch для "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
🔥 Автономный ИИ-агент, который запускает твои эксперименты глубокого обучения 24/7, пока ты спишь. Бесплатный мониторинг, архитектура Leader-Worker, память постоянного размера.
Набор инструментов для композиционных операций для градиентной двухуровневой оптимизации
APISR: Улучшение разрешения реальных аниме на основе производства аниме (CVPR 2024)
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
Allegro — это мощная модель преобразования текста в видео, которая генерирует высококачественные видео продолжительностью до 6 секунд при частоте 15 кадров в секунду и разрешении 720p из простого текстового ввода.
Легковесная библиотека только с заголовочными файлами для использования моделей Keras (TensorFlow) в C++.
Распознавание формул и редактирование документов Office | Преобразование рукописного текста и PDF в LaTeX/Markdown | Безопасные интеграции API.
Список ресурсов по науке о данных / машинному обучению (в основном бесплатные)
Диаграммы для визуализации архитектуры нейронной сети
JMLR: OmniSafe — это инфраструктурная основа для ускорения исследований SafeRL.
🔥 CNN для удаления водяных знаков с использованием Deep Image Prior с Pytorch 🔥.
Быстрое и высококачественное преобразование текста в речь с нулевым выстрелом с помощью Flow Matching
DataDreamer: Промпт. Генерация синтетических данных. Обучение и выравнивание моделей. 🤖💤