vit

pix2tex: uso de un ViT para convertir imágenes de ecuaciones en código LaTeX

Una lista de artículos sumamente completa sobre Vision Transformer/Attention, que incluye artículos, códigos y sitios web relacionados

Kit de herramientas de evaluación de código abierto para grandes modelos multimodales (LMMs), compatible con más de 220 LMMs y más de 80 benchmarks

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention logra una aceleración de 2 a 5 veces en comparación con FlashAttention, sin perder métricas de extremo a extremo en modelos de lenguaje, imagen y video.

Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.

Convierte cualquier ordenador o dispositivo edge en un centro de control para tus proyectos de visión por computador.

[CVPR 2021] Implementación oficial en PyTorch para Transformer Interpretability Beyond Attention Visualization, un método novedoso para visualizar clasificaciones en redes basadas en Transformer.

Una lista de artículos recientes sobre visión por computadora basados en Transformer.

[ICML2025] SpargeAttention: una atención dispersa sin entrenamiento que acelera la inferencia de cualquier modelo.

Adan: Algoritmo de momento de Nesterov adaptativo para una optimización más rápida de modelos profundos.

Extrae características de video de videos sin procesar utilizando múltiples GPU. Soportamos marcos de flujo RAFT, así como modelos S3D, I3D, R(2+1)D, VGGish, CLIP y TIMM.

[CVPR 2025 Highlight] Código oficial y modelos para Encoder-only Mask Transformer (EoMT).