#transformer-architecture Репозитории
Всего репозиториев: 147
Vchitect-2.0: Параллельный трансформер для масштабирования видео-диффузионных моделей
📖 Это репозиторий для организации статей, кода и других ресурсов, связанных с унифицированными мультимодальными моделями.
[T-PAMI-2024] Трансформерная основа визуальной сегментации: Обзор
[ICCV 2023] StreamPETR: Исследование объектно-ориентированного временного моделирования для эффективного многовидового 3D-детектирования объектов
Репозиторий ET-BERT, модели классификации сетевого трафика в зашифрованном трафике. Работа была принята как статья, принятая на конференцию The Web Conference (WWW) 2022.
Языковая модель с открытыми весами от Google DeepMind, основанная на Griffin.
[ICCV 2025] Официальный код работы "ORION: Целостный сквозной фреймворк для автономного вождения посредством генерации действий, управляемых инструкциями на основе зрения и языка"
[Spotlight ICLR 2024] Большая мозговая модель для изучения общих представлений с огромным количеством данных ЭЭГ в BCI
Pippo: Высокодетализированные многоракурсные изображения людей по одному изображению
Подборка исследовательских работ по теме Mixture-of-Experts (MoE).
HART: Эффективная визуальная генерация с помощью гибридного авторегрессионного трансформера
Prov-GigaPath: Фундаментальная модель для всей истории болезни в цифровой патологии на основе реальных данных
XVERSE-13B: Многоязычная большая языковая модель, разработанная XVERSE Technology Inc.
Официальный код для "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Анализируйте вывод больших языковых моделей (LLM). Анализируйте такие аспекты, как вычисления, хранение данных, передача и модель аппаратных «потолков» (roofline model) в удобном пользовательском интерфейсе.
Эффективная модульная реализация ассоциации объектов с трансформерами для сегментации объектов видео в PyTorch
Это официальная реализация нашей статьи: «MiniMax-Remover: Taming Bad Noise Helps Video Object Removal»
[CVPR 2022] MHFormer: Многогипотезный трансформер для оценки позы человека в 3D
[CVPR 2025 Oral] TokenHSI: Унифицированный синтез физических взаимодействий человека и сцены посредством токенизации задач
🌕 [BMVC 2022] Вам нужно всего 90 000 параметров для адаптации к свету: легкий трансформер для улучшения изображений и коррекции экспозиции. SOTA для улучшения при слабом освещении, 0,004 секунды, попробуйте это для предварительной обработки.
[ICLR 2025] DuoAttention: Эффективный вывод LLM с длинным контекстом с использованием головок поиска и потоковой передачи
[IEEE TMI-2024] UNETR++: Углубленное исследование эффективной и точной 3D сегментации медицинских изображений
отслеживание статей, наборов данных и моделей «больших языковых моделей (LLM) для временных рядов»
Полный список отличных научных статей, моделей, наборов данных и других ресурсов по моделям Vision‑Language‑Action (VLA) в робототехнике.