vit

pix2tex: Sử dụng ViT để chuyển đổi hình ảnh phương trình thành mã LaTeX.

Danh sách tài liệu nghiên cứu cực kỳ toàn diện về Vision Transformer/Attention, bao gồm các bài báo, mã nguồn và các trang web liên quan

Bộ công cụ đánh giá mã nguồn mở cho các mô hình đa phương thức lớn (LMM), hỗ trợ hơn 220 LMM, hơn 80 benchmark

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention đạt tốc độ xử lý nhanh hơn 2-5 lần so với FlashAttention, mà không làm giảm các chỉ số tổng thể trên các mô hình ngôn ngữ, hình ảnh và video.

Towhee là một framework chuyên dụng giúp các đường ống xử lý dữ liệu thần kinh trở nên đơn giản và nhanh chóng.

Biến bất kỳ máy tính hoặc thiết bị edge nào thành trung tâm điều khiển cho các dự án computer vision của bạn.

[CVPR 2021] Bản triển khai chính thức trên PyTorch cho Transformer Interpretability Beyond Attention Visualization, một phương pháp mới để trực quan hóa việc phân loại bởi các mạng dựa trên Transformer.

Danh sách tài liệu nghiên cứu về các công trình thị giác máy tính (CV) dựa trên Transformer gần đây.

[ICML2025] SpargeAttention: Cơ chế chú ý thưa thớt không cần huấn luyện giúp tăng tốc suy luận của mọi mô hình.

Adan: Thuật toán động lượng Nesterov thích ứng giúp tối ưu hóa các mô hình học sâu nhanh hơn

Trích xuất đặc trưng video từ video thô bằng nhiều GPU. Hỗ trợ các khung hình luồng RAFT cũng như các mô hình S3D, I3D, R(2+1)D, VGGish, CLIP và TIMM.

[CVPR 2025 Highlight] Mã nguồn và mô hình chính thức cho Encoder-only Mask Transformer (EoMT).