FoundationVision

[NeurIPS 2024 Best Paper Award][GPT beats diffusion🔥] [Skalierungsgesetze in der visuellen Erzeugung📈] Offizielle Implementierung von "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Eine *ultraeinfache, benutzerfreundliche und dennoch hochmoderne* Codebasis für die autoregressive Bilderzeugung!

[ECCV 2022] ByteTrack: Multi-Object Tracking by Associating Every Detection Box

Autoregressives Modell schlägt Diffusion: 🦙 Llama für skalierbare Bildgenerierung

[CVPR 2025 Oral]Infinity ∞: Skalierung von bitweisen autoregressiven Modellen für die hochauflösende Bildsynthese

[CVPR2024 Highlight] GLEE: General Object Foundation Model für Bilder und Videos im großen Maßstab

Branchenweites Videogrundlagenmodell für die einheitliche Generierung von Text-to-Video (T2V) und Image-to-Video (I2V).

[NeurIPS 2025 Oral] Infinity⭐️: Einheitliche raumzeitliche autoregressive Modellierung für visuelle Generierung

(Akzeptiert bei IJCV) Liquid: Sprachmodelle sind skalierbare und einheitliche multimodale Generatoren

[ECCV2024] Grounded Multimodal Large Language Model mit lokalisierter visueller Tokenisierung

[NeurIPS 2025 Spotlight] Ein vereinheitlichter Tokenizer für visuelle Generierung und Verständnis