transformer

[ECCV2022] MOTR：基於 TRansformer 的端到端多目標追蹤

「結構感知稀疏視角 X 光 3D 重建」(CVPR 2024) - 用於 CT 重建與 X 光新視角合成的工具箱

遙測影像的語意分割

[CVPR'22 Oral] GMFlow：透過全域匹配學習光流

[TNSRE 23] EEG Transformer 2.0. i. 用於 EEG 解碼的 Convolutional Transformer。ii. 新穎的視覺化技術 - 類別活化地形圖（Class Activation Topography）。

[Mamba-Survey-2024] State-Space-Model/Mamba 及其應用的論文清單

將相機作為相對位置編碼

Tevatron：跨規模、語言與模態的統一文件檢索工具包。於 SIGIR 2023、SIGIR 2025 展示。

實作來自「LongNet: Scaling Transformers to 1,000,000,000 Tokens」的隨插即用 Attention

[ICML 2024] SqueezeLLM：稠密與稀疏量化

[ICCV'21] 學習用於視覺追蹤的時空 Transformer

用於教學用途的極簡 NMT

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

將 Hugging Face 模型匯出為 Core ML 與 TensorFlow Lite

[ECCV] Swin2SR：用於壓縮影像超解析與還原的 SwinV2 Transformer。ECCV 2022 影像處理先進技術 (AIM) 工作坊。來試試看吧！超過 330 萬次執行 https://replicate.com/mv-lab/swin2sr

精確、大規模且可擴充的 LLM 推理系統模擬器

[CoRL 2022] InterFuser：使用可解釋性感測器融合 Transformer 的安全增強型自動駕駛

此程式碼配合論文《Trading with the Momentum Transformer: An Intelligent and Interpretable Architecture》(https://arxiv.org/pdf/2112.08534.pdf)。

TransMorph：用於非監督式醫學影像配准的 Transformer (PyTorch)

逐步實現 llama3 推論、掌握核心概念、掌握過程推導、實作程式碼。

結合文字與表格資料的多模態模型，使用 HuggingFace transformers 作為文字資料的建構區塊

multilspy 是一個 Python 的 LSP 客戶端函式庫，旨在用於建構圍繞語言伺服器的應用程式。

[CVPR 2021, Oral] PREDATOR：低重疊度 3D 點雲配準。

臺灣大學 (NTU) 李宏毅教授「機器學習 (Machine Learning) 2021 Spring」課程筆記

[ICLR2025 Spotlight🔥] TokenFormer 官方實作：透過代幣化模型參數重新思考 Transformer 規模化

NLP 論文。

精選參數高效微調資源合集

歷年 ICLR 論文與開源專案合集，包含 ICLR2021、ICLR2022、ICLR2023、ICLR2024、ICLR2025。

快速實作資料處理與作業管線的框架

RT-2 的民主化，「RT-2：將視覺與語言轉化為行動的新模型」。