foundation-models

Catálogo visual curado de más de 155 arquitecturas de modelos de visión-lenguaje (VLM/MLLM): artículos, diagramas, recetas de entrenamiento, conjuntos de datos y una línea de tiempo de lanzamiento para agentes de IA multimodal.

Artículos de lectura obligatoria sobre edición de conocimientos para Modelos de Lenguaje Grandes (LLM).

Una lista profesional sobre modelos de lenguaje grandes (LLM) y modelos fundacionales (LM, FM) para series temporales, datos espaciotemporales y datos de eventos.

TorchXRayVision: una biblioteca de conjuntos de datos y modelos de radiografías de tórax. Incluye clasificadores, segmentación y autoencoders.

Laboratorio práctico para construir, probar y evaluar aplicaciones con el framework de modelos fundacionales de Apple.

Una lista curada de modelos base para tareas de visión y lenguaje.

Un modelo de representación general para modalidades de visión, audio y lenguaje. Artículo: ONE-PEACE: Explorando un modelo de representación general hacia modalidades ilimitadas.

[Candidato a mejor artículo en ECCV 2024 y TPAMI 2025] PointLLM: Potenciando a los modelos de lenguaje extenso para comprender nubes de puntos.

Implementación del modelo Aurora para la predicción del sistema terrestre.

Código oficial, conjuntos de datos y puntos de control para "Timer: Generative Pre-trained Transformers Are Large Time Series Models" (ICML 2024) y trabajos posteriores

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), el primer modelo de su clase capaz de generar respuestas en lenguaje natural integradas perfectamente con máscaras de segmentación de objetos.

[ICLR 2024] Implementación oficial en PyTorch de FasterViT: Vision Transformers rápidos con atención jerárquica.

Modelos fundamentales para genómica y transcriptómica.

Stack de ADAS de nivel 2 gratuito y de código abierto impulsado por tecnología de IA de extremo a extremo

Un kit de herramientas en Python para el ajuste fino de modelos geoespaciales fundamentales (GFM).

Explora y comprende tus datos de entrenamiento y validación.

VoxPoser: Mapas de valores 3D componibles para manipulación robótica con modelos de lenguaje.

[NeurIPS 2025 Spotlight] OpenCUA: Fundamentos abiertos para agentes de uso informático

Una lista curada de artículos de visión 3D relacionados con el dominio de la robótica en la era de los grandes modelos, es decir, LLMs/VLMs, inspirada en awesome-computer-vision, que incluye artículos, códigos y sitios web relacionados

Implementación oficial de HyenaDNA, un modelo fundacional genómico de largo alcance construido con Hyena

[Premio al Joven Científico MICCAI 2019] [Premio al Mejor Artículo MEDIA 2020] Models Genesis, uno de los primeros modelos "fundacionales" en el análisis de imágenes médicas para múltiples tareas posteriores

Modelo fundamental para tareas de reconocimiento de voz.

Fusión de modelos en LLMs, MLLMs y más allá: métodos, teorías, aplicaciones y oportunidades. ACM Computing Surveys, 2026.

MathCode: Un agente de codificación matemática de vanguardia

[CVPR26] TESSERA es un modelo base capaz de procesar imágenes satelitales de series temporales para aplicaciones como la clasificación de terrenos y la predicción de la altura del dosel. Desarrollado en la Universidad de Cambridge, permite la extracción eficiente de patrones temporales a partir de la observación de la Tierra.

[ICLR'24 Spotlight] Uni3D: Representación visual 3D de BAAI

HoloMotion: Un modelo fundacional para el control humanoide de cuerpo completo

Modelos base de visión para IA médica, incluyendo RETFound, DINOv2 y DINOv3

✨✨Últimos artículos y benchmarks sobre razonamiento con modelos base

Un modelo unificado de series temporales multitarea.