vision-transformer

OpenMMLab 탐지 툴박스 및 벤치마크

pix2tex: ViT를 사용하여 수식 이미지를 LaTeX 코드로 변환

HuggingFace의 Transformers 라이브러리로 제작한 데모를 포함하는 저장소입니다.

[NeurIPS 2024 Best Paper Award][GPT beats diffusion🔥] [scaling laws in visual generation📈] 'Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction' 공식 구현체. 자가 회귀 이미지 생성을 위한 *초간단하고 사용자 친화적이면서도 최첨단인* 코드베이스!

GenAI 프레임워크와의 호환성 향상을 위해 문서부터 멀티미디어까지 모든 데이터 형식을 수집, 구문 분석 및 최적화

SwinIR: Swin Transformer를 이용한 이미지 복원(공식 레포지토리)

MLX-VLM은 MLX를 사용하여 Mac에서 Vision Language Models (VLM)의 추론 및 파인튜닝을 수행하기 위한 패키지입니다.

논문, 코드 및 관련 웹사이트를 포함하는 Vision Transformer/Attention에 대한 궁극적으로 포괄적인 논문 목록

Huawei Noah's Ark Lab에서 개발한 GhostNet, TNT, MLP를 포함한 고효율 AI 백본

OpenMMLab 사전 훈련 툴박스 및 벤치마크

DeepSeek Harness를 위한 최초의 비전 플러그인이자, 모든 텍스트 전용 코딩 에이전트를 위한 비전 브리지입니다. 이미지를 붙여넣으면 구조화된 JSON 증거(OCR, 레이아웃, 시맨틱)를 얻을 수 있습니다.

Scenic: 컴퓨터 비전 연구 등을 위한 Jax 라이브러리.

Towhee는 신경망 데이터 처리 파이프라인을 빠르고 간단하게 만드는 데 특화된 프레임워크입니다.

고해상도 생성 및 인식을 위한 효율적인 비전 파운데이션 모델

InternLM-XComposer2.5-OmniLive: 장기 스트리밍 비디오 및 오디오 상호작용을 위한 종합 멀티모달 시스템

EVA 시리즈: BAAI의 시각적 표현 판타지

[ECCV2024] 멀티모달 이해를 위한 비디오 파운데이션 모델 및 데이터

[CVPR 2025] MambaVision 공식 PyTorch 구현체: 하이브리드 Mamba-Transformer 비전 백본

[NeurIPS'22] "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" 및 [TPAMI'23] "ViTPose++: Vision Transformer for Generic Body Pose Estimation"의 공식 저장소

[CVPR 2021] Transformer 기반 네트워크의 분류를 시각화하는 새로운 방법인 Attention Visualization을 뛰어넘는 Transformer 해석 가능성을 위한 공식 PyTorch 구현.

컴퓨터 비전을 위한 올인원 툴킷

NAS 및 Vision Transformer 관련 연구 모음입니다.

비전 모델을 위한 올인원 학습(YOLO, ViTs, RT-DETR, DINOv3): 사전 학습, 파인튜닝, 증류.

[ICLR 2023 Spotlight] 밀집 예측을 위한 Vision Transformer Adapter.

비전 및 언어 작업을 위한 파운데이션 모델 선별 목록

UNetFormer: 원격 탐사 도시 Scene 이미지의 효율적인 의미론적 분할을 위한 UNet 유사 transformer (ISPRS). 또한 위성, 항공 및 UAV 이미지 분할을 위한 다른 vision transformer와 CNN도 포함합니다.

비전, 오디오, 언어 모달리티를 아우르는 범용 표현 모델. 논문: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ICML2025] SpargeAttention: 모든 모델의 추론을 가속화하는 학습 없는 희소 어텐션(sparse attention).

:fire: :fire: :fire: 최근 컴퓨터 비전(CV) 관련 논문 목록

Vision Transformer with Deformable Attention (CVPR2022) 및 DAT++: Spatially Dynamic Vision Transformer with Deformable Attention 저장소입니다.