foundation-models

Kuratierter visueller Katalog mit über 155 Vision-Language-Modell-Architekturen (VLM/MLLM): Paper, Diagramme, Trainingsrezepte, Datensätze und eine Release-Timeline für multimodale KI-Agenten.

Lesenswerte Arbeiten zur Wissensbearbeitung für Large Language Models.

Eine professionelle Liste zu Large Language Models und Foundation Models (LLM, LM, FM) für Zeitreihen-, raumbezogene und Ereignisdaten.

TorchXRayVision: Eine Bibliothek mit Röntgenthorax-Datensätzen und -Modellen. Klassifizierer, Segmentierung und Autoencoder.

Ein praktisches Labor zum Erstellen, Testen und Evaluieren von Apps mit dem Foundation Models-Framework von Apple.

Eine kuratierte Liste von Foundation Models für Bild- und Sprachaufgaben

Ein allgemeines Repräsentationsmodell über Bild-, Audio- und Sprachmodalitäten. Paper: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM: Befähigung großer Sprachmodelle zum Verständnis von Punktwolken

Offizieller Code, Datensätze und Checkpoints für „Timer: Generative Pre-trained Transformers Are Large Time Series Models“ (ICML 2024) und nachfolgende Arbeiten

Implementierung des Aurora-Modells für Erdsystemvorhersagen

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), das weltweit erste Modell, das natürlichsprachliche Antworten generieren kann, die nahtlos in Objektdegmentierungsmasken integriert sind.

Offizielle PyTorch-Implementierung von FasterViT: Fast Vision Transformers with Hierarchical Attention (ICLR 2024)

Grundlagenmodelle für Genomik und Transkriptomik

Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie

Ein Python-Toolkit zur Feinabstimmung von geospatialen Basismodellen (GFMs).

Untersuchen und verstehen Sie Ihre Trainings- und Validierungsdaten.

VoxPoser: Kombinierbare 3D-Wertkarten für die Robotermanipulation mit Sprachmodellen

[NeurIPS 2025 Spotlight] OpenCUA: Open Foundations für Computer-Use Agents

Eine kuratierte Liste von 3D-Vision-Papern mit Bezug zur Robotik im Zeitalter großer Modelle wie LLMs/VLMs, inspiriert von awesome-computer-vision, einschließlich Papers, Codes und zugehörigen Websites

Offizielle Implementierung von HyenaDNA, einem mit Hyena erstellten Genom-Basismodell für lange Sequenzen

[MICCAI 2019 Young Scientist Award] [MEDIA 2020 Best Paper Award] Models Genesis, eines der ersten "Fundament"-Modelle in der medizinischen Bildanalyse für verschiedene Downstream-Tasks

Grundlegendes Modell für Spracherkennungsaufgaben

Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.

MathCode: Ein bahnbrechender Agent für mathematisches Programmieren.

[CVPR26] TESSERA ist ein Foundation Model, das Satellitenbilder im Zeitverlauf für Anwendungen wie Landklassifizierung und Kronenhöhenvorhersage verarbeiten kann. Es wurde an der University of Cambridge entwickelt und ermöglicht die effiziente Extraktion temporaler Muster aus Erdbeobachtungsdaten.

[ICLR'24 Spotlight] Uni3D: 3D-visuelle Repräsentation von BAAI

HoloMotion: Ein Basismodell für die ganzheitliche Steuerung humanoider Roboter

Vision-Grundlagenmodelle für medizinische KI, einschließlich RETFound, DINOv2 und DINOv3.

✨✨ Neueste Papers und Benchmarks zum Reasoning mit Foundation Models

Ein einheitliches Multitask-Modell für Zeitreihen.