DeepFaceLive开源项目 – 实时面部交换软件

Stick-breaking Attention 是一种基于 Triton 的变长序列注意力机制实现，旨在通过优化计算方式提升在 GPU 上的性能，适合多种深度学习任务，易于与现有框架集成。

MoveNet是一个基于深度学习的高效姿态检测模型，能够在PyTorch环境中实时估计人体姿态，支持多种输入格式，并能在多个设备上运行，包括移动设备。

该项目是GitHub上的一个仓库，旨在为机器学习和AI技术面试提供全面的指导。它涵盖了机器学习、深度学习的基础知识，包括机器学习基础、深度学习基础、机器学习系统设计、概率与统计、机器学习数学、编程与算法、领域特定知识以及行为与软技能等内容。特别适合大公司的机器学习工程师和应用科学家角色的面试准备。虽然未明确提到推荐系统的专门部分，但相关内容可能隐含在机器学习应用中。

包含真实场景级视频和场景标注的大型数据集，具有10,510个多视角场景，51.2百万帧，分辨率为4k，还包括140个用于新视角合成(NVS)的基准视频以及来自SOTA NVS方法的训练参数，为深度学习的3D视觉任务提供了丰富的场景和标注信息

StudyRaid是一个提供多种主题AI课程的平台，用户可以阅读现有课程或在AI的帮助下创建自己的课程。

face_verification_experiment 是一个基于轻量级卷积神经网络（CNN）的深度学习项目，专为高效的人脸表示和验证任务设计。该项目通过优化网络架构，在保持高精度的同时显著降低了计算复杂度，适用于实时应用场景。其核心目标是为安全系统、移动应用和监控系统等提供准确且高效的人脸识别解决方案。

VGGSfM是基于运动的视觉几何深层结构，旨在从输入图像中提取2D轨迹，通过图像和轨迹特征重建摄像机，初始化点云并应用捆绑调整层进行重建细化。

该项目提供每周更新的机器学习领域内顶级论文，涵盖多个研究方向，并为用户提供论文摘要和关键点，支持用户提交和推荐优秀论文。

Sapiens 是由 Meta 开发的一种新型人类视觉模型，旨在通过深度学习技术模拟人类视觉感知。它基于大量图像数据和高级算法，支持 1K 高分辨率推理，适合多种人类相关的视觉任务。该项目在二维姿态估计、身体部位分割、深度估计和表面法向量预测等任务上表现出色，尤其在野外数据上的泛化能力显著。Sapiens 通过预训练于超过 3 亿张野外人类图像，展示了卓越的性能，并通过简单微调适应各种任务。

Collie是一个多功能的AI模型训练与部署框架，旨在简化机器学习模型的开发和管理过程。它基于PyTorch，结合了DeepSpeed和MegatronLM，避免使用复杂的外部库，并提供用户友好的接口和多种内置工具。

colmap_cameras_pytorch 是一个用 PyTorch 实现的工具，专注于 COLMAP 相机模型。它支持自动微分，全面支持 COLMAP 的所有相机模型，并提供实用工具如相机模型重映射和根求解器。这款工具主要面向计算机视觉和深度学习领域的研发人员，特别适用于结构从运动（SfM）和多视图立体视觉（MVS）任务。

QuickPod是一个提供经济高效的GPU和CPU租赁服务的平台，用户可以从全球市场选择各种GPU和CPU供应商，支持动态定价，用户可以根据需求选择不同型号的设备，如H100、RTX 4090或RTX 3090。

该模型在全球首届 AI 数学奥林匹克竞赛（AIMO）获得了第一名，开源，可以在本地电脑上直接跑。它是基于 deepseek-math-7b-base 的微调版本，经过两阶段微调以达到排行榜获胜解决方案，并使用思路链 CoT 提示进行模板化，同时采用 MSFT 的 ToRA 格式进行 GPT4 输出并执行代码，具备与 Transformers 集成的能力。

Assert AI 是一家专注于将普通摄像头转变为智能观察者的前沿计算机视觉公司，能够几乎自主地执行复杂的视觉任务。

Theano_Tutorial是卡内基梅隆大学语言技术研究所（LTI）由Kazuya Kawakami提供的Theano教程。该教程全面介绍了Theano，一个用于深度学习的Python库，内容涵盖基础概念和高级技术，适合初学者和有经验的用户。教程采用Jupyter Notebook形式，提供交互式学习体验，包含大量实际示例和代码片段，帮助用户深入理解Theano的计算图和优化技术，并将其应用于实际机器学习项目中。