Python

micronet, uma biblioteca de compressão e implantação de modelos. Compressão: 1. Quantização: QAT, High-Bit (>2b), Low-Bit (≤2b)/Ternary e Binary (TWN/BNN/XNOR-Net); PTQ, 8-bit (tensorrt); 2. Poda: normal, regular e poda de canal convolucional em grupo.

YOLOE: Visão em tempo real para qualquer coisa [ICCV 2025]

DocLayout-YOLO: Melhorando a análise de layout de documentos através de dados sintéticos diversos e percepção adaptativa global-para-local.

Reconhecimento de Entidades Nomeadas em chinês com IDCNN/biLSTM+CRF e Extração de Relações com biGRU+2ATT

[CVPR 2025] MMAudio: Dominando o treinamento conjunto multimodal para síntese de vídeo para áudio de alta qualidade.

Pipeline automatizado para YouTube Shorts: notícias → roteiro → visuais por IA → narração → legendas → upload

Uma implementação em PyTorch de "Real-time Scene Text Detection with Differentiable Binarization".

🎡 Crie wheels Python para todas as plataformas com configuração mínima.

🛠 Gerador de templates para projetos Python com recursos inclusos.

Uma biblioteca para treinar e implantar modelos de machine learning no Amazon SageMaker.

STEP-GUI: A melhor solução de agente GUI da galáxia. Desenvolvida pela equipe StepFun-GELab e alimentada pelas capacidades de pesquisa de ponta da StepFun.

TigerBot: Um LLM multitarefa e multilíngue

Este pacote contém modelos de deep learning e scripts relacionados para o RoseTTAFold.

Pré-treinamento de linguagem-áudio contrastivo (CLAP).

Um agente de dados de autoaprendizagem construído com princípios de engenharia de sistemas. Ele fundamenta as respostas em 6 camadas de contexto e melhora a cada consulta.

Redes Neurais Profundas Multitarefa para Compreensão de Linguagem Natural

Um modelo de edição de imagem de código aberto SOTA, que visa fornecer desempenho comparável aos modelos de código fechado como GPT-4o e Gemini 2 Flash.

Muitos estudos mostraram que o desempenho em deep learning é significativamente afetado pelo volume de dados de treinamento. O projeto MedicalNet fornece uma série de modelos 3D-ResNet pré-treinados e código relacionado.

Ferramenta de pesquisa corporativa baseada em agentes, utilizando LangGraph e Tavily para realizar diligência profunda em empresas com uma estrutura multiagente. Utiliza Google Gemini 2.5 Flash e OpenAI GPT-5.1 no backend para inferência.

Orquestração de agente de IA portátil com aplicação de protocolo mecânico. 186 agentes, sem dependências de tempo de execução.

🍭 Banco de dados de inspiração para profissionais da internet, sem anúncios, detecção automática de velocidade de acesso ao site via GitHub Actions

Ferramenta de pesquisa de segurança open-source para identificar a exposição de IP de origem de sites protegidos pelo Cloudflare e serviços de proxy reverso similares.

Empacotamento simplificado de módulos Python.

YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny implementados em Tensorflow 2.0 e Android. Converte pesos .weights do YOLO v4 para tensorflow, tensorrt e tflite.

Solução de tradução automatizada para visual novels, suportando grandes modelos de linguagem como GPT-4, Claude, Deepseek e Sakura

Gateway de API proxy para Kiro IDE e CLI (Amazon Q Developer / AWS CodeWhisperer). Use modelos Claude gratuitos com qualquer cliente.

label-smooth, amsoftmax, partial-fc, focal-loss, triplet-loss, lovasz-softmax. Talvez útil.

O Deep Eye orquestra múltiplos provedores de IA (OpenAI, Claude, Grok, Gemini, OLLAMA, Groq, Mistral, OpenRouter, LiteLLM, LM Studio) para geração inteligente de payloads, verifica alvos para mais de 45 tipos de vulnerabilidades e produz relatórios profissionais com mapeamento de conformidade.

AssetOpsBench - Indústria 4.0: Um benchmark e framework unificado para construir, orquestrar e avaliar agentes de IA específicos de domínio para operações e manutenção de ativos na Indústria 4.0, com mais de 460 cenários, 5 agentes especialistas (IoT, FMSR, TSFM, Ordem de Serviço,...) e blueprints de orquestração multiagente (MetaAgent, AgentHive) via MCP.

Coleção de códigos comuns compartilhados entre diferentes projetos de pesquisa na equipe de visão computacional do FAIR.