transformer

[ECCV2022] MOTR：基于 TRansformer 的端到端多目标跟踪

“结构感知稀疏视角 X 光 3D 重建”(CVPR 2024) - 用于 CT 重建与 X 光新视角合成的工具箱

遥感影像的语义分割

[CVPR'22 Oral] GMFlow：通过全局匹配学习光流

[TNSRE 23] EEG Transformer 2.0. i. 用于 EEG 解码的 Convolutional Transformer。ii. 新颖的可视化技术 - 类别活化地形图（Class Activation Topography）。

[Mamba-Survey-2024] State-Space-Model/Mamba 及其应用的论文清单

将相机作为相对位置编码

Tevatron：跨规模、语言与模态的统一文档检索工具包。于 SIGIR 2023、SIGIR 2025 展示。

实现来自“LongNet: Scaling Transformers to 1,000,000,000 Tokens”的随插即用 Attention

[ICML 2024] SqueezeLLM：稠密与稀疏量化

[ICCV'21] 学习用于视觉追踪的时空 Transformer

用于教学用途的极简 NMT

[ICML 2025] 「History-Guided Video Diffusion」的官方 PyTorch 实现

将 Hugging Face 模型导出为 Core ML 与 TensorFlow Lite

[ECCV] Swin2SR：用于压缩图像超分辨率与还原的 SwinV2 Transformer。ECCV 2022 图像处理先进技术 (AIM) 工作坊。来试试看吧！超过 330 万次运行 https://replicate.com/mv-lab/swin2sr

精确、大规模且可扩展的 LLM 推理系统模拟器

[CoRL 2022] InterFuser：使用可解释性传感器融合 Transformer 的安全增强型自动驾驶

此代码配合论文《Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture》(https://arxiv.org/pdf/2112.08534.pdf)。

TransMorph：用于无监督医学图像配准的 Transformer (PyTorch)

逐步实现 llama3 推理、掌握核心概念、掌握过程推导、实现代码。

结合文本与表格数据的多模态模型，使用 HuggingFace transformers 作为文本数据的构建块

multilspy 是一个 Python 的 LSP 客户端库，旨在用于构建围绕语言服务器的应用程序。

[CVPR 2021, Oral] PREDATOR：低重叠度 3D 点云配准。

台湾大学 (NTU) 李宏毅教授“机器学习 (Machine Learning) 2021 Spring”课程笔记

[ICLR2025 Spotlight🔥] TokenFormer 官方实现：通过代币化模型参数重新思考 Transformer 规模化

NLP 论文。

精选参数高效微调资源合集

历年 ICLR 论文与开源项目合集，包含 ICLR2021、ICLR2022、ICLR2023、ICLR2024、ICLR2025。

快速实现数据处理与作业管线的框架

RT-2 的民主化，“RT-2：将视觉与语言转化为行动的新模型”。