foundation-models

155+ विजन-लैंग्वेज मॉडल (VLM/MLLM) आर्किटेक्चर की क्यूरेटेड विजुअल कैटलॉग: पेपर, आरेख, ट्रेनिंग रेसिपी, डेटासेट, और मल्टीमॉडल AI एजेंटों के लिए रिलीज़ टाइमलाइन।

Large Language Models पर नॉलेज एडिटिंग पर अवश्य पढ़ने योग्य पेपर।

टाइम सीरीज, स्पैटियोटेम्पोरल और इवेंट डेटा के लिए Large (Language) Models और Foundation Models (LLM, LM, FM) पर एक पेशेवर सूची।

TorchXRayVision: छाती के एक्स-रे डेटासेट और मॉडल की एक लाइब्रेरी। क्लासिफायर, सेगमेंटेशन और ऑटोएन्कोडर।

Apple के Foundation Models फ्रेमवर्क के साथ ऐप्स बनाने, परीक्षण करने और मूल्यांकन करने के लिए एक व्यावहारिक लैब।

विज़न और लैंग्वेज कार्यों के लिए फाउंडेशन मॉडल की एक क्यूरेटेड सूची

विज़न, ऑडियो और भाषा मोडैलिटीज़ के लिए एक सामान्य प्रतिनिधित्व मॉडल। पेपर: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 बेस्ट पेपर कैंडिडेट और TPAMI 2025] PointLLM: लार्ज लैंग्वेज मॉडल को पॉइंट क्लाउड को समझने में सक्षम बनाना

पृथ्वी प्रणाली पूर्वानुमान के लिए Aurora मॉडल का कार्यान्वयन

Timer: Generative Pre-trained Transformers Are Large Time Series Models (ICML 2024) और बाद के कार्यों के लिए आधिकारिक कोड, डेटासेट और चेकपॉइंट्स।

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), अपनी तरह का पहला मॉडल जो ऑब्जेक्ट सेगमेंटेशन मास्क के साथ सहजता से एकीकृत प्राकृतिक भाषा प्रतिक्रियाएं उत्पन्न करने में सक्षम है।

[ICLR 2024] FasterViT का आधिकारिक PyTorch कार्यान्वयन: पदानुक्रमित अटेंशन के साथ फास्ट विजन ट्रांसफॉर्मर

जीनोमिक्स और ट्रांसक्रिप्टोमिक्स के लिए फाउंडेशन मॉडल

एंड-टू-एंड AI तकनीक द्वारा संचालित मुफ्त और पूरी तरह से ओपन-सोर्स L2 ADAS स्टैक

Geospatial Foundation Models (GFMs) को फाइन-ट्यून करने के लिए एक Python टूलकिट।

अपने ट्रेनिंग और वैलिडेशन डेटा को एक्सप्लोर करें और समझें।

VoxPoser: भाषा मॉडल के साथ रोबोटिक हेरफेर के लिए कंपोज़ेबल 3D वैल्यू मैप्स

[NeurIPS 2025 स्पॉटलाइट] OpenCUA: कंप्यूटर-उपयोग एजेंटों के लिए ओपन फाउंडेशन।

लार्ज मॉडल्स (LLMs/VLMs) के युग में रोबोटिक्स डोमेन से संबंधित 3D विजन पेपर्स की एक क्यूरेटेड सूची, जिसमें पेपर्स, कोड और संबंधित वेबसाइटें शामिल हैं।

HyenaDNA के लिए आधिकारिक कार्यान्वयन, जो Hyena के साथ बनाया गया एक लॉन्ग-रेंज जीनोमिक फाउंडेशन मॉडल है।

[MICCAI 2019 यंग साइंटिस्ट अवार्ड] [MEDIA 2020 बेस्ट पेपर अवार्ड] Models Genesis, मेडिकल इमेज एनालिसिस में कई डाउनस्ट्रीम कार्यों के लिए पहले "फाउंडेशन" मॉडलों में से एक।

स्पीच रिकग्निशन कार्यों के लिए फाउंडेशनल मॉडल।

LLMs, MLLMs और उससे आगे मॉडल मर्जिंग: तरीके, सिद्धांत, अनुप्रयोग और अवसर। ACM Computing Surveys, 2026।

MathCode: एक फ़्रंटियर मैथमेटिकल कोडिंग एजेंट

[CVPR26] TESSERA एक फाउंडेशन मॉडल है जो भूमि वर्गीकरण और कैनोपी ऊंचाई भविष्यवाणी जैसे अनुप्रयोगों के लिए टाइम-सीरीज़ सैटेलाइट इमेजरी को प्रोसेस कर सकता है। University of Cambridge में विकसित, यह अर्थ ऑब्जर्वेशन से टेम्पोरल पैटर्न निकालने में सक्षम है।

[ICLR'24 स्पॉटलाइट] Uni3D: BAAI द्वारा 3D विजुअल रिप्रेजेंटेशन।

HoloMotion: होल-बॉडी ह्यूमनॉइड कंट्रोल के लिए एक फाउंडेशन मॉडल

मेडिकल AI के लिए विज़न फाउंडेशन मॉडल, जिसमें RETFound, DINOv2, DINOv3 शामिल हैं।

फाउंडेशन मॉडल्स के साथ रीजनिंग में नवीनतम पेपर्स और बेंचमार्क।

एक एकीकृत मल्टी-टास्क टाइम सीरीज़ मॉडल