#self-supervised-learning Репозитории
Всего репозиториев: 75
SiLK (Simple Learned Keypoint) — это модель ключевых точек глубокого обучения с самообучением.
Статьи INTERSPEECH 2023-2024: Полная коллекция влиятельных и захватывающих исследовательских статей с конференции INTERSPEECH 2023-24. Изучите последние достижения в области обработки речи и языка. Код включен. Отметьте репозиторий звездочкой, чтобы поддержать развитие речевых технологий!
CAIRI Toolbox и Benchmark для обучения визуальным представлениям с учителем, частичным обучением и самообучением
Китайский перевод «Machine Learning: A Probabilistic Perspective» (Kevin P. Murphy) и реализации алгоритмов из книги на Python.
DreamSim: Обучение новым измерениям человеческого визуального сходства с использованием синтетических данных (NeurIPS 2023 Spotlight) / / / / Когда перцептивное выравнивание приносит пользу представлениям зрения? (NeurIPS 2024)
[NeurIPS 2020] "Graph Contrastive Learning with Augmentations" (авторы: Yuning You, Tianlong Chen, Yongduo Sui, Ting Chen, Zhangyang Wang, Yang Shen)
Записки к курсу Машинное обучение (Machine Learning) 2021 Spring профессора Ли Хонг-Ии Университета Тайвань (NTU)
Самомаркировка через одновременное кластерирование и обучение представлениям. (ICLR 2020)
[NeurIPS'25] Официальный репозиторий Concerto: Совместное обучение 2D-3D с самообучением приводит к появлению пространственных представлений.
Официальная реализация Pytorch для «DINO-Tracker: Обучение DINO для самообуча отслеживанию точек в одном видео» (ECCV 2024)
Куратированный список моделей мира для автономного вождения.
Статьи ICASSP 2023-2024: Полная коллекция влиятельных и интересных исследовательских статей с конференций ICASSP 2023-24. Изучите последние достижения в области акустики, речи и обработки сигналов. Код прилагается. Отметьте репозиторий звездочкой, чтобы поддержать развитие обработки аудио и сигналов!
Отслеживайте крупные модели в аудио домене, включая речь, пение, музыку и т.д.
MedLSAM: Модель локализации и сегментации всего для 3D-медицинских изображений
Текущее состояние методов контролируемого и неконтролируемого дополнения глубины
Самообучающееся контрастивное обучение для временных рядов через временную-частотную согласованность
Тестирование адаптации энкодеров DINOv2/3 для задач компьютерного зрения с использованием низкоранговой адаптации (LoRA)