self-supervised-learning

Transferlernen / Domänenanpassung / Domänengeneralisierung / Multitasking-Lernen usw. Arbeiten, Codes, Datensätze, Anwendungen, Tutorials.

Benutzerfreundliches Speech Toolkit mit selbstüberwachtem Lernmodell, SOTA/Streaming-ASR mit Interpunktion, Streaming-TTS mit Text-Frontend, Sprecherverifizierungssystem, End-to-End-Sprachübersetzung und Keyword-Spotting. Gewinner des NAACL2022 Best Demo Award.

Der einfachste Weg, Deep Metric Learning in Ihrer Anwendung zu nutzen. Modular, flexibel und erweiterbar. Geschrieben in PyTorch.

OpenMMLab Pre-training Toolbox und Benchmark

Eine Python-Bibliothek für selbstüberwachtes Lernen an Bildern.

Toolkit für selbstüberwachtes Sprachtraining und Repräsentationslernen

Das offizielle Repository für [NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" und [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"

Eine Bibliothek für die Forschung im Bereich Graph Deep Learning.

Ein All-in-One-Toolkit für Computer Vision

Eine nutzbare PyTorch-Implementierung von „Bootstrap Your Own Latent“ (Self-Supervised Learning) von Deepmind

Forschungsarbeiten zum Vortraining und selbstüberwachten Lernen bei Graph Neural Networks (GNNs).

All-in-One-Training für Vision-Modelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Fine-Tuning, Distillation.

solo-learn: Eine Bibliothek für selbstüberwachte Lernmethoden zur visuellen Repräsentationsgenerierung, basierend auf PyTorch Lightning

Code für das TKDE-Paper „Self-supervised learning on graphs: Contrastive, generative, or predictive“

[ICLR'23 Spotlight🔥] Das erste erfolgreiche BERT/MAE-artige Vortraining für beliebige neuronale Faltungsnetze; PyTorch-Impl. von „Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling“

Erstellen Sie Computer-Vision-Modelle in einem Bruchteil der Zeit und mit weniger Daten.

Eine umfassende Liste großartiger Arbeiten zum kontrastiven, selbstüberwachten Lernen.

OpenSTL: Ein umfassender Benchmark für räumlich-zeitliches prädiktives Lernen

Bio-Computing-Plattform mit groß angelegtem Repräsentationslernen und Multitask-Deep-Learning

[IEEE T-KDE 2026] Awesome Deep Graph Clustering ist eine Sammlung von SOTA- und neuartigen Deep-Graph-Clustering-Methoden (Papers, Codes und Datensätze).

Eine Sammlung von Fachliteratur nach oder gleichzeitig mit Masked Autoencoder (MAE) (Kaiming He et al.).

DIPY ist die führende 3D/4D+ Medizintechnik-Bibliothek in Python. Sie enthält generische Methoden zur räumlichen Normalisierung, Signalverarbeitung, für maschinelles Lernen, statistische Analyse und Visualisierung medizinischer Bilder. Darüber hinaus enthält sie spezielle Methoden für die computergestützte Anatomie, einschließlich Diffusions-, Perfusions- und Strukturbildgebung.

[CVPR 2023] VideoMAE V2: Skalierung von Video Masked Autoencoders mit Dual Masking

[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

INTERSPEECH 2023-2024 Papers: Eine vollständige Sammlung einflussreicher und spannender Forschungspapiere der INTERSPEECH 2023-24 Konferenz. Entdecken Sie die neuesten Fortschritte in der Sprach- und Textverarbeitung. Code enthalten. Sternen Sie das Repository, um den Fortschritt der Sprachtechnologie zu unterstützen!

CAIRI Toolbox und Benchmark für überwachtes, semi-überwachtes und selbstüberwachtes visuelles Repräsentations lernen

[ECCV2022] Masked Autoencoders für das selbstüberwachte Lernen von Punktwolken

[NeurIPS 2020] „Graph Contrastive Learning with Augmentations“ von Yuning You, Tianlong Chen, Yongduo Sui, Ting Chen, Zhangyang Wang, Yang Shen

Hierarchical Image Pyramid Transformer - CVPR 2022 (Oral)