vit

pix2tex : Utilisation d'un ViT pour convertir des images d'équations en code LaTeX.

Une liste exhaustive d'articles sur les Vision Transformers et l'attention, incluant articles, codes et sites web associés.

Boîte à outils d'évaluation open-source pour grands modèles multimodaux (LMM), prenant en charge plus de 220 LMM et 80 benchmarks

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention permet une accélération de 2 à 5x par rapport à FlashAttention, sans perte de métriques de bout en bout pour les modèles de langage, d'image et de vidéo.

Towhee est un framework dédié à la simplification et à l'accélération des pipelines de traitement de données neuronales.

Transformez n'importe quel ordinateur ou appareil périphérique en centre de commande pour vos projets de vision par ordinateur.

[CVPR 2021] Implémentation PyTorch officielle pour l'interprétabilité des Transformers au-delà de la visualisation de l'attention, une nouvelle méthode pour visualiser les classifications par les réseaux basés sur les Transformers.

Une liste d'articles sur les travaux récents en vision par ordinateur basés sur les Transformers.

[ICML2025] SpargeAttention : Une attention creuse sans entraînement qui accélère l'inférence de tout modèle.

Adan : Algorithme de momentum de Nesterov adaptatif pour une optimisation plus rapide des modèles profonds.

Extraction de caractéristiques vidéo à partir de vidéos brutes utilisant plusieurs GPU. Nous prenons en charge les frames de flux RAFT ainsi que les modèles S3D, I3D, R(2+1)D, VGGish, CLIP, et TIMM

[CVPR 2025 Highlight] Code officiel et modèles pour Encoder-only Mask Transformer (EoMT)