vit

pix2tex: Usando um ViT para converter imagens de equações em código LaTeX.

Uma lista de artigos extremamente abrangente sobre Vision Transformer/Attention, incluindo artigos, códigos e sites relacionados

Kit de ferramentas de avaliação de código aberto para grandes modelos multimodais (LMMs), com suporte a mais de 220 LMMs e mais de 80 benchmarks.

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] O Quantized Attention alcança uma aceleração de 2 a 5 vezes em comparação ao FlashAttention, sem perda de métricas de ponta a ponta em modelos de linguagem, imagem e vídeo.

Towhee é um framework dedicado a tornar os pipelines de processamento de dados neurais simples e rápidos.

Transforme qualquer computador ou dispositivo de borda em uma central de comando para seus projetos de visão computacional.

[CVPR 2021] Implementação oficial em PyTorch para Transformer Interpretability Beyond Attention Visualization, um novo método para visualizar classificações por redes baseadas em Transformer.

Uma lista de artigos sobre trabalhos recentes de visão computacional baseados em Transformer.

[ICML2025] SpargeAttention: Uma atenção esparsa livre de treinamento que acelera a inferência de qualquer modelo.

Adan: Algoritmo de Momento Nesterov Adaptativo para otimização mais rápida de modelos profundos.

Extraia características de vídeos brutos usando múltiplas GPUs. Suportamos quadros de fluxo RAFT, bem como modelos S3D, I3D, R(2+1)D, VGGish, CLIP e TIMM.

[CVPR 2025 Highlight] Código oficial e modelos para Encoder-only Mask Transformer (EoMT).