foundation-models

Catalogue visuel organisé de plus de 155 architectures de modèles vision-langage (VLM/MLLM) : articles, diagrammes, recettes d'entraînement, jeux de données et chronologie des versions pour les agents IA multimodaux.

Articles incontournables sur l'édition de connaissances pour les grands modèles de langage.

Une liste professionnelle sur les grands modèles de langage (LLM) et les modèles de fondation (LM, FM) pour les séries temporelles, les données spatio-temporelles et les données d'événements.

TorchXRayVision : une bibliothèque de jeux de données et de modèles de radiographies thoraciques, incluant des classifieurs, de la segmentation et des auto-encodeurs.

Un laboratoire pratique pour construire, tester et évaluer des applications avec le framework Foundation Models d'Apple.

Une liste organisée de modèles de fondation pour les tâches de vision et de langage.

Un modèle de représentation général pour les modalités vision, audio et langage. Article : ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM : Permettre aux grands modèles de langage de comprendre les nuages de points

Code officiel, jeux de données et points de contrôle pour "Timer: Generative Pre-trained Transformers Are Large Time Series Models" (ICML 2024) et travaux ultérieurs.

Implémentation du modèle Aurora pour la prévision du système terrestre.

[CVPR 2024] Grounding Large Multimodal Model (GLaMM), le premier modèle capable de générer des réponses en langage naturel intégrées de manière transparente aux masques de segmentation d'objets

[ICLR 2024] Implémentation PyTorch officielle de FasterViT : Vision Transformers rapides avec attention hiérarchique

Modèles de fondation pour la génomique et la transcriptomique.

Pile ADAS L2 gratuite et entièrement open source basée sur une technologie d'IA de bout en bout

Une boîte à outils Python pour le réglage fin de modèles géospatiaux fondamentaux (GFM)

Explorez et comprenez vos données d'entraînement et de validation.

VoxPoser : cartes de valeurs 3D composables pour la manipulation robotique avec des modèles de langage.

[NeurIPS 2025 Spotlight] OpenCUA : Fondations ouvertes pour les agents d'utilisation informatique

Une liste organisée d'articles sur la vision 3D liés au domaine de la robotique à l'ère des grands modèles (LLM/VLM), inspirée par awesome-computer-vision, incluant des articles, des codes et des sites web associés.

Implémentation officielle de HyenaDNA, un modèle de fondation génomique longue portée basé sur Hyena.

[Prix du jeune scientifique MICCAI 2019] [Prix du meilleur article MEDIA 2020] Models Genesis, l'un des premiers modèles de « fondation » en analyse d'images médicales pour de multiples tâches en aval.

Modèle fondamental pour les tâches de reconnaissance vocale

Fusion de modèles dans les LLM, MLLM et au-delà : méthodes, théories, applications et opportunités. ACM Computing Surveys, 2026.

MathCode : un agent de codage mathématique de pointe

[CVPR26] TESSERA est un modèle fondamental capable de traiter des séries temporelles d'images satellites pour des applications telles que la classification des sols et la prédiction de la hauteur de la canopée. Développé à l'Université de Cambridge, il permet d'extraire efficacement les motifs temporels de l'observation de la Terre

[ICLR'24 Spotlight] Uni3D : Représentation visuelle 3D par BAAI

HoloMotion : Un modèle de fondation pour le contrôle corps entier des humanoïdes

Modèles de fondation Vision pour l'IA médicale, incluant RETFound, DINOv2, DINOv3

✨✨Derniers articles et références sur le raisonnement avec les modèles de base

Un modèle unifié de séries temporelles multi-tâches.