#foundation-models Репозитории
Всего репозиториев: 155
Gaze-LLE: Оценка цели взгляда с помощью крупномасштабных обученных кодировщиков (CVPR 2025, Highlight)
Набор инструментов Python для точной настройки геопространственных базовых моделей (GFM).
[NeurIPS 2025 Spotlight] OpenCUA: Открытые основы для агентов использования компьютера
Официальная реализация «Lotus: Диффузионная визуальная базовая модель для высококачественного плотного предсказания»
📖 Это репозиторий для организации статей, кода и других ресурсов, связанных с унифицированными мультимодальными моделями.
Курируемый список статей по 3D-зрению, относящихся к области робототехники в эпоху больших моделей, т. е. LLM/VLM, вдохновленный awesome-computer-vision, включая статьи, коды и связанные веб-сайты
VoxPoser: Компонуемые 3D-карты значений для манипуляций роботами с использованием языковых моделей
Слияние моделей в LLMs, MLLMs и далее: методы, теории, приложения и возможности. ACM Computing Surveys, 2026.
[Премия MICCAI 2019 для молодых учёных] [Премия MedIA за лучшую статью] Models Genesis: самоконтролируемое предварительное обучение для трёхмерных медицинских изображений. Модель изучает переносимые представления на основе неразмеченных объёмных данных КТ и МРТ, а затем дообучается для последующих задач сегментации и классификации. Включены веса для Keras и PyTorch.
[CVPR26] TESSERA — это базовая модель, которая может обрабатывать временные ряды спутниковых изображений для приложений, таких как классификация земель и прогнозирование высоты крон. Разработана в Университете Кембриджа, она позволяет эффективно извлекать временные паттерны из наблюдений за Землей
Официальная реализация HyenaDNA, полномасштабной геномной базовой модели, построенной на Hyena
[Официальный репозиторий] Visual Mamba: Обзор и новые перспективы
Читаемые, масштабируемые, воспроизводимые базовые модели с именованными тензорами и Jax
BiomedGPT: Универсальная основополагающая модель зрения-языка для решения различных биомедицинских задач
✨✨Последние статьи и бенчмарки в области рассуждений с использованием фундаментальных моделей
Официальный репозиторий для «Vidi: Большие мультимодальные модели для понимания и редактирования видео»
Это реализация нашей статьи «RSPrompter: Обучение подсказкам для сегментации экземпляров дистанционного зондирования на основе визуальной базовой модели» в PyTorch.
Официальный код для "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Большая гауссова модель реконструкции для эффективной 3D-реконструкции и генерации
Реализация EmerNeRF на PyTorch: Эмерджентное пространственно-временное разложение сцены посредством самообучения
[ICCV 2025 & ICCV 2025 RIWM Outstanding Paper] Aether: Геометрически-ориентированное унифицированное моделирование мира
[CVPR 2024 Highlight] Feature 3DGS: Ускорение 3D гауссова сплэттинга для создания дистиллированных полей признаков
MatterSim: Глубинное обучение атомистической модели, охватывающей элементы, температуры и давления.
Этот репозиторий содержит код оценки для статьи «MMMU: Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI»
LaVIT: Предоставьте большой языковой модели возможность понимать и генерировать визуальный контент
Недавние исследовательские статьи о фундаментальных моделях для комбинаторной оптимизации
[ICLR2025 Spotlight🔥] Официальная реализация TokenFormer: Переосмысление масштабирования Transformer с использованием токенизированных параметров модели
Типобезопасные инструменты, инференс на устройстве, мультиагентные рабочие процессы, память и защитные барьеры в единой нативной среде выполнения Swift
[ECCV2024] Обоснованная мультимодальная большая языковая модель с локализованной визуальной токенизацией
Вдохновляя следующее поколение моделей Segment Anything: Комплексная оценка SAM и SAM 2 с использованием разнообразных подсказок для контекстно-зависимых концепций в различных сценах
Тонкая настройка модели Segment-Anything с помощью Lightning Fabric.