foundation-models

Katalog visual pilihan dari 155+ arsitektur vision-language model (VLM/MLLM): makalah, diagram, resep pelatihan, dataset, dan lini masa rilis untuk agen AI multimodal.

Makalah yang wajib dibaca tentang Penyuntingan Pengetahuan untuk Large Language Models.

Daftar profesional tentang Large (Language) Models dan Foundation Models (LLM, LM, FM) untuk Data Rangka Waktu, Spasial-Temporal, dan Peristiwa.

TorchXRayVision: Pustaka dataset dan model rontgen dada. Pengklasifikasi, segmentasi, dan autoencoder.

Lab praktis untuk membangun, menguji, dan mengevaluasi aplikasi dengan kerangka kerja Foundation Models dari Apple.

Daftar terkurasi dari foundation models untuk tugas visi dan bahasa

Model representasi umum lintas modalitas visi, audio, dan bahasa. Makalah: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[Kandidat Best Paper ECCV 2024 & TPAMI 2025] PointLLM: Memberdayakan Large Language Models untuk memahami Point Clouds.

Implementasi model Aurora untuk prakiraan sistem Bumi

Kode resmi, dataset, dan checkpoint untuk "Timer: Generative Pre-trained Transformers Are Large Time Series Models" (ICML 2024) dan karya-karya selanjutnya

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), model pertama yang mampu menghasilkan respons bahasa alami yang terintegrasi secara mulus dengan mask segmentasi objek.

[ICLR 2024] Implementasi PyTorch resmi dari FasterViT: Fast Vision Transformers dengan Hierarchical Attention.

Model fondasi untuk genomik & transkriptomik

Stack L2 ADAS gratis dan sepenuhnya open-source yang ditenagai oleh teknologi End-to-End AI

Toolkit Python untuk fine-tuning Geospatial Foundation Models (GFM).

Jelajahi dan pahami data pelatihan dan validasi Anda.

VoxPoser: Peta Nilai 3D yang Dapat Disusun untuk Manipulasi Robotik dengan Model Bahasa

[NeurIPS 2025 Spotlight] OpenCUA: Pondasi Terbuka untuk Agen Penggunaan Komputer

Daftar kurasi makalah Visi 3D yang berkaitan dengan domain Robotika di era model besar seperti LLM/VLM, terinspirasi dari awesome-computer-vision, mencakup makalah, kode, dan situs web terkait

Implementasi resmi untuk HyenaDNA, model fondasi genomik jarak jauh yang dibangun dengan Hyena

[Penghargaan Ilmuwan Muda MICCAI 2019] [Penghargaan Makalah Terbaik MEDIA 2020] Models Genesis, salah satu model "fondasi" pertama dalam analisis citra medis untuk berbagai tugas hilir

Model dasar untuk tugas pengenalan ucapan (Speech Recognition).

Penggabungan Model dalam LLM, MLLM, dan Lainnya: Metode, Teori, Aplikasi, dan Peluang. ACM Computing Surveys, 2026.

MathCode: Agen pengodean matematika terdepan

[CVPR26] TESSERA adalah model fondasi yang dapat memproses citra satelit deret waktu untuk aplikasi seperti klasifikasi lahan dan prediksi tinggi kanopi. Dikembangkan di University of Cambridge, model ini memungkinkan ekstraksi pola temporal yang efisien dari pengamatan Bumi

[ICLR'24 Spotlight] Uni3D: Representasi Visual 3D dari BAAI

HoloMotion: Model dasar untuk kontrol humanoid seluruh tubuh

Model Yayasan Visi untuk AI Medis, termasuk RETFound, DINOv2, DINOv3

✨✨Makalah dan tolok ukur terbaru dalam penalaran dengan Foundation Models

Model deret waktu multi-tugas yang terpadu.