vit

pix2tex：使用 ViT 将方程式图片转换为 LaTeX 代码

一份全面的 Vision Transformer/Attention 论文清单，包含论文、代码与相关网站

开源大型多模态模型评估工具包，支持220+ LMMs与80+基准测试

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention 在速度上比 FlashAttention 提升 2-5 倍，且不损失语言、影像与影片模型的端到端指标

Towhee 是一个致力于简化神经数据处理流水线的框架

将任何计算机或边缘设备变成计算机视觉项目的指挥中心。

[CVPR 2021] Transformer 解释超越注意力可视化的官方 PyTorch 实现，这是一种基于 Transformer 网络将分类可视化的新颖方法。

近期基于 Transformer 的 CV 论文列表。

[ICML2025] SpargeAttention：一种无需训练的稀疏注意力机制，可加速任何模型的推理。

Adan：用于加速优化深度模型的自适应 Nesterov 动量算法

使用多张 GPU 从原始视频中提取视频特征。支持 RAFT 光流帧，以及 S3D、I3D、R(2+1)D、VGGish、CLIP 与 TIMM 模型。

[CVPR 2025 Highlight] Encoder-only Mask Transformer (EoMT) 官方代码与模型