#self-supervised-learning Репозитории
Откройте для себя 75 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #self-supervised-learning, с общим числом 155,433 звёзд (в среднем 2,072 на проект). Лидером этой темы является jindongwang/transferlearning, набравший 14,330 звёзд.
Всего репозиториев: 75
Обучение с переносом / Адаптация домена / Обобщение домена / Многозадачное обучение и т.д. Статьи, коды, наборы данных, приложения, руководства. - Обучение с переносом
Простой в использовании набор инструментов для речи, включающий модель самообучения, SOTA/потоковый ASR с пунктуацией, потоковый TTS с текстовым фронтендом, систему верификации спикера, перевод речи от начала до конца и распознавание ключевых слов. Получил награду Best Demo Award NAACL2022.
PySlowFast: кодовая база для понимания видео от FAIR для воспроизведения передовых моделей видео.
Обучайте и оценивайте эмбеддинги для поиска по сходству с помощью PyTorch. Включает контрастивные функции потерь, поиск сложных примеров, семплеры и метрики поиска.
Официальная реализация PatchTST: «A Time Series is Worth 64 Words: Long-term Forecasting with Transformers.» (ICLR 2023) https://arxiv.org/abs/2211.14730
Официальный репозиторий для [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" и [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"
Рабочая реализация самообучающегося обучения "Bootstrap Your Own Latent" от Deepmind на Pytorch
Комплексное обучение для моделей зрения (YOLO, ViTs, RT-DETR, DINOv3): предварительное обучение, дообучение, дистилляция.
Статьи о предварительном обучении и самообучении на графовых нейронных сетях (GNN).
solo-learn: библиотека методов самообучения для обучения визуальным представлениям на основе Pytorch Lightning
[CVPR 2025] Fast3R: Towards 3D Reconstruction of 1000+ Images in One Forward Pass
Код для статьи TKDE «Самонастраивающееся обучение на графах: Контрастное, генеративное или предиктивное»
Создавайте, обучайте, оптимизируйте и запускайте модели компьютерного зрения локально — от исходных изображений до инференса в реальном времени. Открытый исходный код, оптимизация для Intel® XPU (также поддерживается CUDA).
[ICLR'23 Spotlight🔥] Первое успешное предобучение в стиле BERT/MAE на любой сверточной сети; реализация на Pytorch "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"
Обширный список замечательных статей по контрастному самообучению.
OpenSTL: Комплексный бенчмарк для пространственно-временного прогнозного обучения
Платформа биовычислений с масштабным обучением представлений и многозадачным глубоким обучением: набор инструментов для биовычислений «Propeller»
Выпуск кода для "Cut and Learn for Unsupervised Object Detection and Instance Segmentation" и "VideoCutLER: Surprisingly Simple Unsupervised Video Instance Segmentation"
[ECCV2024] VideoMamba: Пространственно-временная модель для эффективного понимания видео
[IEEE T-KDE 2026] Awesome Deep Graph Clustering — это коллекция современных (SOTA) и инновационных методов глубокой кластеризации графов (статьи, коды и наборы данных).
[ECCV'2024] Гауссово группирование для реконструкции, сегментации и редактирования Anything в открытом мире.
Сборник литературы, посвященной Masked Autoencoder (MAE) (Kaiming He et al.) или появившейся одновременно с ним.
DIPY — это образцовая библиотека 3D/4D+ медицинской визуализации на Python. Содержит общие методы для пространственной нормализации, обработки сигналов, машинного обучения, статистического анализа и визуализации медицинских изображений. Кроме того, она содержит специализированные методы для вычислительной анатомии, включая диффузионную, перфузионную и структурную визуализацию.
[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.
[CVPR'25 Highlight] Официальный репозиторий Sonata: Самообучение надежных точечных представлений
[CVPR 2023] VideoMAE V2: Масштабирование видеомаскированных автоэнкодеров с двойным маскированием
Автономное обучение LLM-агентов для исследований на пользовательских данных с использованием обучения с подкреплением и самопроверки.
[CVPR 2022] Предварительное обучение 3D-трансформеров для облаков точек с помощью маскированного моделирования точек
Часто задаваемые вопросы
Какой репозиторий по теме #self-supervised-learning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #self-supervised-learning на GitHub — jindongwang/transferlearning, набравший 14,330 звёзд. Обучение с переносом / Адаптация домена / Обобщение домена / Многозадачное обучение и т.д. Статьи, коды, наборы данных, приложения, руководства. - Обучение с переносом
Какие языки программирования чаще всего используются в репозиториях по теме #self-supervised-learning?
Среди наиболее высоко оценённых проектов по теме #self-supervised-learning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, Shell, HTML.
Как рассчитывается рейтинг репозиториев по теме #self-supervised-learning?
Мы отслеживаем 75 активных репозиториев с открытым исходным кодом, отмеченных тегом #self-supervised-learning (500 и более звёзд), с общим числом 155,433 звёзд и в среднем 2,072 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.