科研与论文实现
共 25 个仓库
用搜索引擎、网页抓取和大模型做迭代式深度调研的 AI 研究助手，能自动细化研究方向并深入某个主题，代码实现极简，适合快速上手或二次开发。
基于码本查找 Transformer 的盲人脸修复模型，能在低质量、模糊或退化的人脸图像上恢复清晰细节，适合老照片修复和人脸增强场景。
用 LLM 智能体自动完成数据挖掘、模型训练等研发流程，让 AI 驱动数据驱动的 AI 开发。
命令行工具，可在 App Store 搜索 iOS、macOS 等各平台应用并直接下载 .ipa 或 .pkg 安装包，方便做应用分析、备份和逆向研究。
用 PyTorch 复现了注意力机制、MLP、重参数化和卷积等常见模块，方便对照论文理解原理并直接嵌入视觉任务模型。
三行代码就能完成训练和调参的 AutoML 框架，自动搞定表格、图像、文本和时间序列任务，省去手动选模型和调超参的麻烦。
在数据不离开对方服务器的前提下做数据科学，通过联邦学习、安全计算和密码学技术实现隐私保护建模。
低代码 AutoML 平台，几行 Python 代码就能完成分类、回归、聚类和异常检测的建模与调参，4.0 版改用 sklearn 原生引擎并加了 React 控制台。
一份持续更新的异常检测资源大全，汇总书籍、论文、视频和工具箱，覆盖传统方法与最新的 LLM、VLM 工作，适合快速入门和跟进前沿。
基于 PyTorch 的深度概率编程库，用 Python 写贝叶斯模型，支持变分推断和 MCMC，适合做不确定性建模与生成模型研究。
基于 PyTorch 的医学影像深度学习工具包，提供数据加载、预处理、网络结构和评估等组件，帮研究者快速搭建医疗影像 AI 流程。
把时间序列当成语言来建模的预训练预测模型，基于 Transformer 架构，可直接用于零样本或微调预测，省去从零训练的成本。
LightGlue 是一个基于 Transformer 的轻量级局部特征匹配网络，速度快、精度高，适合 SLAM、三维重建和位姿估计等需要实时图像匹配的场景。
基于 JAX 的计算机视觉研究库，提供注意力机制、Transformer 和 Vision Transformer 等模型实现，方便快速搭建和复现视觉研究实验。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
用 PyTorch 复现 DeepMind AlphaFold 3 的蛋白质结构预测模型，包含注意力机制与去噪扩散模块，方便研究和二次开发。
统一训练通用时间序列预测 Transformer 的开源实现，提供预训练模型与表示学习方案，让不同频率和领域的时间序列共用一套模型完成预测。
基于 Transformer 的多模态传感器融合端到端自动驾驶模型，用模仿学习把摄像头和激光雷达数据联合建模，直接输出驾驶控制。
基于 Llama 架构的概率式时间序列基础模型，用滞后特征做零样本预测，免去为每条序列单独训练模型。
字节跳动开源的多模态大模型系列，能同时理解语音、音频、音乐和视觉信息，用于语音识别与视听内容理解等研究任务。
用 PyTorch 复现 MetaAI 的 Transfusion：在同一多模态模型里同时预测下一个 token 和扩散生成图像，把语言建模与图像扩散统一到一个 Transformer 中。
Graphite 的基于文件的时间序列数据库格式，用固定大小文件存储监控指标，解决指标数据高效读写和长期保留的问题。
整理时间序列分割方向的论文阅读清单，覆盖变点检测、异常检测、多变量时序等主题，方便快速找到该领域的代表性工作。
抓取搜索引擎结果页并输出结构化 JSON 数据，保留来源引擎、排名、链接、标题和摘要，适合 SEO 分析、调研和自动化流程。