用 CUDA 加速高斯泼溅光栅化，让 3D 高斯场景的训练和渲染跑得更快，适合做三维重建与实时渲染。
YOLO 系列官方实现库，一套 PyTorch 代码覆盖目标检测、实例与语义分割、图像分类、姿态估计和目标跟踪，训练到部署全流程打通。
GitHub 官方推出的 MCP 服务器，让 AI Agent 通过标准协议直接读写仓库、Issue、PR 等 GitHub 数据，省去自己封装 API 的麻烦。
基于流匹配的语音合成模型官方实现，只需一段参考音频就能克隆音色并生成流畅自然的语音，适合做零样本 TTS 和语音克隆。
一个面向 NeRF 与高斯泼溅的协作式训练与可视化工作室，把多视角照片转成三维场景，简化了从数据到渲染的完整流程。
收录最全的 PyTorch 图像骨干网络合集，涵盖 ResNet、ViT、ConvNeXt 等主流模型，自带训练、评估、推理和导出脚本及预训练权重，省去自己搭网络和找权重的麻烦。
基于下一尺度预测的自回归视觉生成模型，用GPT式架构做图像生成并击败扩散模型，代码简洁易用，附带缩放定律研究。
基于 PyTorch 的激光雷达 3D 目标检测工具箱，统一了 PointPillar、PV-RCNN 等主流点云检测模型的训练与评测流程，省去自己搭框架的麻烦。
基于浅层扩散机制的歌声合成与语音合成模型，AAAI 2022 官方实现，支持 MIDI 输入生成歌声，兼顾合成质量与推理速度。
EAGLE 系列投机解码算法的官方实现，通过草稿模型加速大语言模型推理，在几乎不损失生成质量的前提下显著提升吞吐。
GPTQ 是 ICLR 2023 论文的官方实现，能在训练后把 GPT 类大模型量化到 3/4 比特，几乎不掉精度，大幅降低显存占用和推理成本。
UNet++ 的官方实现，通过嵌套密集跳跃连接缩小编码器与解码器之间的语义鸿沟，提升医学图像分割精度，提供 Keras 和 PyTorch 版本。
YOLOv13 的官方实现，用超图增强的自适应视觉感知提升实时目标检测精度，适合需要落地部署检测模型的场景。
Conformer 的 PyTorch 非官方实现，把卷积和 Transformer 结合起来做语音识别，适合直接拿来训练或复现 ASR 模型。
可微分渲染器 SoftRas 的官方实现，把光栅化过程变得可导，让基于图像的三维重建和几何推理能端到端训练。
HQQ 是一种无需校准数据的大模型量化方法，官方实现支持几行代码把 LLM 压到低比特，省显存还能保持精度。
基于 PyTorch 的医学图像分割非官方实现，支持 2D 和 3D 数据，方便快速搭建和训练分割模型。
LangSplat 是 CVPR2024 高亮论文的官方实现，把语言特征嵌入 3D 高斯泼溅，实现可开放词汇查询的 3D 场景重建与语义检索。
基于扩散模型的自动驾驶规划器，用扩散生成做轨迹规划，支持灵活引导，是 ICLR 2025 Oral 论文的官方实现。
把 VGGT 扩展到公里级场景的官方实现，解决超长序列三维重建中显存和尺度爆炸的问题，能处理大规模空间数据。
基于 PyTorch 的「历史引导视频扩散」官方实现，用 Transformer 做视频生成与图生视频，让生成结果在时间上更连贯。
VA-API 的官方实现库，让 Linux 上的播放器、转码工具和浏览器能调用 Intel GPU 做硬件视频解码、编码与处理，避免纯 CPU 软解的高占用。
FaceLit 是 CVPR 2023 的官方实现，用 GAN 和 NeRF 生成可重打光的三维人脸，让生成的人脸能按任意光照条件渲染。
PatchmatchNet 是 CVPR 2021 Oral 的官方实现，用可学习的 Patchmatch 做多视图立体匹配，从多张图片重建稠密三维点云。
只用 ViT 编码器做图像分割的官方实现，省去解码器和额外适配模块，在实例、全景分割任务上兼顾精度与推理速度。
用神经网络从 RGB-D 序列重建高质量三维表面，是 CVPR 2022 论文的官方实现，适合做室内场景的稠密重建。
从单张或多视角图片重建三维体素模型的官方实现，基于 ICCV 2019 论文，用上下文感知融合提升重建精度。
DepthLM 的官方实现，用视觉语言模型做单目深度估计，把深度预测转成语言建模任务，在 ICLR 2026 入选 Oral。
Warpinator 的 Windows 非官方实现，让 Windows 电脑能和 Linux 设备在同一局域网内直接互传文件，无需配置服务器。
MILo 是 SIGGRAPH Asia 2025 的官方实现，把网格优化嵌进 3D 高斯泼溅流程，从多视角图像重建出细节丰富又轻量的表面网格。
X-VLA 是 ICLR 2026 论文的官方实现，用软提示 Transformer 构建可扩展的跨具身视觉-语言-动作模型，让同一套策略能迁移到不同机器人本体上做操作任务。
SPARF 是 CVPR 2023 的官方实现，用稀疏且带噪声的相机位姿训练神经辐射场，同时优化位姿，实现新视角合成。
用掩码生成式 Transformer 做高分辨率文生图的官方实现，把非自回归架构重新拉回实用水平，兼顾生成效率与画质。
用 PyTorch 和 CUDA 复现 3D Gaussian Splatting 的非官方实现，支持三维重建和新视角合成，方便研究和二次开发。
让视觉语言模型在推理时生成连续视觉 token 作为中间思考步骤，提升看图与推理表现，附带 ECCV 2026 论文官方实现。
SparseVLM 是 ICML'25 与 TPAMI'26 论文的官方实现，通过稀疏化视觉 token 来降低视觉语言模型的计算开销，提升多模态推理效率。
Stable Flow 是 CVPR 2025 论文的官方实现，利用扩散模型中的关键层实现免训练的图像编辑，无需微调即可对生成图做可控修改。
RoboRefer 是面向机器人场景的空间指代推理视觉语言模型官方实现，让机器人能理解「把左边那个杯子递给我」这类带空间关系的指令。
用大语言模型做科学方程发现和符号回归的官方实现，把公式搜索交给 LLM 智能体，从数据里自动找出可解释的数学表达式。
CVPR'24 论文官方实现，用上下文残差学习加少量样本提示，让一个通用模型跨类别做异常检测，免去每类单独训练。