DINOv2开源项目 – Meta开源的自监督视觉模型

一种处理噪声标签的少样本学习方法，旨在提高模型在标签不准确情况下的学习能力。该方法利用少量标记样本进行训练，具备对标签噪声的鲁棒性，适用于图像分类等任务。

PaliGemma 2是Google发布的新一代视觉模型，主要在OCR、图像分割和问题回答等方面进行了显著增强。该模型能够更准确地识别图像中的文字，更精细地分割图像中的对象，并更智能地回答与图像内容相关的问题。

DirectAI使用户能够快速构建强大的计算机视觉模型，无需编码或训练数据。它利用大型语言模型和零样本学习，根据用户的描述生成适合的模型。

QA-CLIP是一个支持中文文本和图像的多模态理解的模型，具有最先进的性能和准确性，能够用于多种下游任务，如图像分类、文本生成等，且易于集成和使用。

UniMVSNet是一种统一的深度估计方法，旨在改进多视图立体的准确性，能够在不同条件下保持稳健的性能。

mCTSegmentation是一个专门用于人类骨软骨组织中微计算机断层扫描（micro-CT）图像的分割项目，特别关注于骨软骨组织的骨膜分割。该项目由奥卢大学的研究人员开发，采用深度学习技术进行分割任务，并且是开源的，代码可在GitHub上获取。

融合图像聊天、分割和生成/编辑的AI应用概念验证项目，基于LLaVA、SEEM和GLIGEN三个相关开源项目实现。

Meta开源的Sapiens模型，专门用于处理人体视觉任务，具备多种功能和优越的性能，能够在缺少标注数据的情况下实现高精度的输出。

PyTorch Image Models (timm) 是一个 PyTorch 图像模型集合库，旨在为研究人员和开发者提供丰富的、预训练的图像编码器和骨干网络，方便快速构建和实验各种计算机视觉应用。timm 库不仅提供了模型架构，还包含了训练和验证的技巧，支持多种优化器，并提供了灵活的配置接口。它包含了广泛的模型，如ResNet、EfficientNet、ViT、MobileNet等，这些模型在ImageNet数据集上接受了预训练，可以针对特定的应用程序进行微调。

该项目提供了Vision Transformer在Tensorflow中的完整实现，支持多种数据集和任务，易于扩展和修改，并包含详细的使用示例和文档，帮助用户快速上手并深入了解模型的应用与性能。

LISA是一个将语言大模型（LLM）与其他视觉模型（如SAM）结合的分割助手，旨在根据复杂和隐含的查询文本输出分割掩码。

Sapiens是一系列专门针对人类的视觉基础模型，所有权重开放，提供各种尺寸的分割、深度和主题模型，旨在推动计算机视觉领域的发展。

Timm是一个开源的计算机视觉库，专注于提供高效且易用的深度学习模型，涵盖了图像分类、目标检测、语义分割等任务，支持多种预训练的模型，广泛应用于各类视觉任务。

CRATE是一个完全数学可解释的白盒Transformer模型，旨在通过统一多种模型架构实现高效的稀疏率降低，已在真实世界数据集ImageNet-1K上取得接近的性能。它整合了Transformer模型、自注意力、扩散模型和降噪技术，并通过展开迭代优化导出深层网络层。

一个自定义 Hugging Face 节点的开源项目，用于 Google Visual Blocks for ML，允许用户在无代码图形编辑器中创建机器学习管道，支持多种机器学习功能并与Hugging Face Serverless API集成。