foundation-models

Catálogo visual com curadoria de mais de 155 arquiteturas de modelos de linguagem visual (VLM/MLLM): artigos, diagramas, receitas de treinamento, conjuntos de dados e uma linha do tempo de lançamentos para agentes de IA multimodal.

Artigos essenciais sobre edição de conhecimento para Large Language Models.

Uma lista profissional sobre Grandes Modelos de Linguagem e Modelos de Fundação (LLM, LM, FM) para Séries Temporais, Espaciotemporais e Dados de Eventos.

TorchXRayVision: Uma biblioteca de modelos e datasets de radiografias de tórax. Classificadores, segmentação e autoencoders.

Um laboratório prático para construir, testar e avaliar aplicativos com o framework de modelos de fundação da Apple.

Uma lista curada de modelos de fundação para tarefas de visão e linguagem.

Um modelo de representação geral para modalidades de visão, áudio e linguagem. Artigo: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[Candidato a melhor artigo ECCV 2024 & TPAMI 2025] PointLLM: Capacitando grandes modelos de linguagem para entender nuvens de pontos.

Implementação do modelo Aurora para previsão do sistema terrestre.

Código oficial, conjuntos de dados e checkpoints para "Timer: Generative Pre-trained Transformers Are Large Time Series Models" (ICML 2024) e trabalhos subsequentes.

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), o primeiro modelo do gênero capaz de gerar respostas em linguagem natural perfeitamente integradas com máscaras de segmentação de objetos.

[ICLR 2024] Implementação oficial em PyTorch do FasterViT: Vision Transformers rápidos com atenção hierárquica

Modelos Fundacionais para Genômica e Transcriptômica

Pilha de ADAS L2 gratuita e totalmente de código aberto impulsionada por tecnologia de IA de ponta a ponta

Um kit de ferramentas Python para ajuste fino de Modelos de Fundação Geoespacial (GFMs).

Explore e compreenda seus dados de treinamento e validação.

VoxPoser: Mapas de Valores 3D Componíveis para Manipulação Robótica com Language Models

[Destaque NeurIPS 2025] OpenCUA: Fundações abertas para agentes de uso de computador

Uma lista com curadoria de artigos de visão 3D relacionados ao domínio de robótica na era de grandes modelos, como LLMs/VLMs, inspirada no awesome-computer-vision, incluindo artigos, códigos e sites relacionados

Implementação oficial para HyenaDNA, um modelo de base genômica de longo alcance construído com Hyena

[Prêmio de Jovem Cientista MICCAI 2019] [Prêmio de Melhor Artigo MEDIA 2020] Models Genesis, um dos primeiros modelos "fundacionais" em análise de imagens médicas para múltiplas tarefas a jusante.

Modelo fundamental para tarefas de reconhecimento de fala

Fusão de Modelos em LLMs, MLLMs e Além: Métodos, Teorias, Aplicações e Oportunidades. ACM Computing Surveys, 2026.

MathCode: Um agente de codificação matemática de ponta

[CVPR26] TESSERA é um modelo de fundação capaz de processar imagens de satélite de séries temporais para aplicações como classificação de solo e previsão de altura de copa. Desenvolvido na Universidade de Cambridge, ele permite a extração eficiente de padrões temporais de observação da Terra

[ICLR'24 Spotlight] Uni3D: Representação Visual 3D da BAAI

HoloMotion: Um Modelo de Fundação para Controle Humanóide de Corpo Inteiro

Modelos de Fundação de Visão para IA Médica, incluindo RETFound, DINOv2 e DINOv3

✨✨ Últimos artigos e benchmarks em raciocínio com Modelos Fundacionais

Um modelo unificado de séries temporais multitarefa.