VICReg(Variance-Invariance-Covariance Regularization)是一种自监督学习框架,通过方差、不变性和协方差正则化来改善特征表示,旨在无标签数据的情况下训练模型并提高无监督任务的表现。
该项目提出了一种在不同领域之间自适应的目标检测方法,旨在提高不同数据集上目标检测的准确性。它通过利用无标签数据的特性,帮助模型在缺乏标注数据的情况下进行有效训练。
Dioptra是一个开源的数据策展和管理平台,旨在支持计算机视觉、自然语言处理和大型语言模型。它帮助用户策划有价值的未标记数据,注册元数据,诊断模型失效模式,并与标注和再训练系统整合。
使用加速的极大极小化方法进行非刚性配准,具有抵抗噪声和伪影的能力。
该系统通过声音输入生成跨模态的3D面部模型,支持多种语音输入。
基于预训练语言模型的零样本和少样本NLP的教程,提供了一系列的示例和实用工具,用于帮助研究人员和工程师理解和应用这些技术。
字节跳动提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型