vit

pix2tex：使用 ViT 將方程式圖片轉換為 LaTeX 代碼

一份全面的 Vision Transformer/Attention 論文清單，包含論文、程式碼與相關網站

開源大型多模態模型評估工具包，支援220+ LMMs與80+基準測試

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention 在速度上比 FlashAttention 提升 2-5 倍，且不損失語言、影像與影片模型的端到端指標

Towhee 是一个致力于简化神经数据处理流水线的框架

將任何電腦或邊緣裝置變成電腦視覺專案的指揮中心。

[CVPR 2021] Transformer 專案超越注意力視覺化的官方 PyTorch 實作，這是一種基於 Transformer 網路將分類視覺化的新穎方法。

近期基於 Transformer 的 CV 論文列表。

[ICML2025] SpargeAttention：一種無需訓練的稀疏注意力機制，可加速任何模型的推論。

Adan：用於加速優化深度模型的自適應 Nesterov 動量演算法

使用多張 GPU 從原始影片中萃取影片特徵。支援 RAFT 光流影格，以及 S3D、I3D、R(2+1)D、VGGish、CLIP 與 TIMM 模型。

[CVPR 2025 Highlight] Encoder-only Mask Transformer (EoMT) 官方程式碼與模型