DeepLab은 의미론적 이미지 분할을 위한 최첨단 딥러닝 모델입니다. 이 TensorFlow 구현은 PASCAL VOC 및 Cityscapes와 같은 데이터셋에서 분할 결과의 학습, 평가 및 시각화를 위한 코드를 제공합니다. 픽셀 수준 레이블링을 위한 다양한 네트워크 백본과 고급 기능을 지원합니다.
최고의 AI 모델
324개 도구AI 모델에서 최고의 모델을 발견하세요 — DistilGPT2와 Claude Opus 같은 언어 변환기부터 GPT-5.6: Frontier intelligence, Google DeepMind의 Gemini 3.1 Pro 같은 고급 시스템까지, 개발자와 연구자가 프로젝트를 향상시키는 도구를 탐색하는 곳입니다: 인간과 유사한 텍스트를 생성하고, 대화형 에이전트를 구축하며, 복잡한 알고리즘을 개발하고, AI 역량의 한계를 확장합니다. AI 모델 및 LLM, 머신러닝 플랫폼, 과학적 발견 및 실험실 도구, 컴퓨터 비전 도구 및 3D 모델 생성기 등을 아우르는 324개의 AI 모델을(를) 살펴보세요.
324 tools
CVPR 2021 공개 접근 리포지토리는 IEEE/CVF 컴퓨터 비전 및 패턴 인식 학회에서 채택된 논문에 대한 접근을 제공합니다. 이 논문들은 최종 출판본과 동일하며, 컴퓨터 비전 재단에 의한 학술 자료의 시기적절한 배포를 보장합니다.
AI 모델
ViT-Adapter는 객체 탐지 및 분할과 같은 밀집 예측 작업에서 Vision Transformer(ViT)의 성능을 향상시키는 AI 모델입니다. 사전 학습 없이 이미지별 귀납적 편향을 도입하여 일반 ViT가 특수 트랜스포머와 유사한 결과를 달성할 수 있도록 하여 다양한 다운스트림 애플리케이션에 적합하게 만듭니다.
Apple Machine Learning Research는 머신러닝 분야의 발전을 위한 플랫폼입니다. 이 플랫폼은 Apple의 AI 및 ML 기여에 대한 연구 논문, 출판물 및 통찰력을 제공하는 허브 역할을 합니다. 이 사이트는 연구 커뮤니티 내에서 협업을 촉진하고 지식을 공유하는 것을 목표로 합니다.
AI 모델
TimeSformer는 비디오 이해를 위한 혁신적인 AI 아키텍처로, 셀프 어텐션 트랜스포머만을 활용합니다. 액션 인식 벤치마크에서 최첨단 결과를 달성하며, 기존 3D CNN에 비해 훈련 속도가 훨씬 빠르고 추론 컴퓨팅 비용이 낮습니다. 이를 통해 더 복잡한 비디오 분석 및 실시간 애플리케이션이 가능해집니다.
Carnegie Mellon Computational Imaging은 계산 영상 처리 분야의 발전을 목표로 하는 연구 그룹입니다. 이들은 영상 획득, 처리 및 분석을 위한 새로운 기술과 알고리즘을 탐구하며, 다양한 과학 및 공학 분야에서 시각 데이터 해석 및 조작의 가능성을 확장하고 있습니다.
AI 모델
이 AI 모델은 이미지-이미지 변환 작업을 위한 범용 솔루션을 제공합니다. 이미지 매핑과 적절한 손실 함수를 모두 학습하여 레이블에서 사진 합성, 엣지에서 객체 재구성, 이미지 색상화와 같은 다양한 응용을 가능하게 합니다. 이 프레임워크는 적응성이 뛰어나며 다양한 인기 딥러닝 라이브러리에 구현되었습니다.
AI 모델
DM-GAN은 텍스트-이미지 합성을 위한 Dynamic Memory Generative Adversarial Networks의 PyTorch 구현입니다. 이 저장소는 CVPR2019 논문을 기반으로 텍스트 설명을 통해 이미지를 생성하기 위한 코드, 사전 학습된 모델 및 평가 스크립트를 제공합니다.
AI 모델
Yang Song의 개인 웹사이트로, Meta Superintelligence Labs의 리서치 프린시펄입니다. 이전에는 OpenAI에서 전략적 탐색을 이끌었으며 스탠포드 대학교에서 박사 학위를 취득했습니다. 그의 연구는 생성 모델, 특히 확산 모델과 일관성 모델에 중점을 두고 있으며, 이미지 생성 및 역문제에…
AI 모델
Imagen은 Google Research에서 개발한 텍스트-이미지 확산 모델로, 언어에 대한 깊은 이해를 바탕으로 사실적인 이미지를 생성합니다. Imagen은 이미지-텍스트 정렬 및 샘플 충실도에서 뛰어나며, 인간 평가에서 다른 모델을 능가하고 COCO와 같은 벤치마크에서 최첨단 FID 점수를 달성했습니다.
AI 모델
Imagen Video는 Google Research에서 개발한 텍스트 조건부 비디오 생성 시스템입니다. 비디오 확산 모델의 캐스케이드를 활용하여 텍스트 프롬프트에서 고화질 비디오를 생성하며, 다양한 창의적 애플리케이션을 위한 높은 충실도, 제어 가능성 및 세계 지식을 제공합니다.
AI 모델
Make-A-Video는 텍스트 프롬프트에서 동영상을 생성하는 고급 AI 시스템입니다. 텍스트-이미지 기술의 발전과 레이블이 없는 비디오 데이터를 활용하여 세상의 모습과 움직임을 이해하고, 사용자가 간단한 텍스트 설명으로 독특한 동영상을 만들 수 있도록 지원합니다. 이 시스템은 창의적인 제어를 제공하며 책임감 있는 AI…
AI 모델
이 AI 모델은 통계적 기계 번역을 위한 새로운 신경망 아키텍처인 RNN 인코더-디코더를 소개합니다. 두 개의 순환 신경망을 사용하여 소스 시퀀스를 벡터로 인코딩하고 이를 타겟 시퀀스로 디코딩하여 번역 성능을 향상시키고 의미 있는 구문 표현을 학습합니다.
AI 모델
ULMFiT은 사전 학습된 언어 모델을 미세 조정하는 강력한 기법입니다. 텍스트 분류 작업에 효율적인 전이 학습을 가능하게 하여, 더 적은 데이터와 컴퓨팅 리소스로 최첨단 결과를 달성합니다. 이 방법은 fast.ai 라이브러리의 일부로, 고급 NLP를 접근 가능하게 합니다.
AI 모델
EleutherAI는 특히 대규모 언어 모델 분야에서 인공지능 발전에 중점을 둔 연구 집단입니다. 강력한 모델과 연구를 대중에게 공개하여 AI를 민주화하는 것을 목표로 합니다. 이들의 작업에는 연구 커뮤니티를 위한 오픈 소스 AI 모델 및 도구 개발 및 배포가 포함됩니다.
AI 모델
Together AI는 AI 모델을 위한 플랫폼입니다. 다양한 모델에 대한 액세스를 제공하여 개발자가 고급 AI 기능을 애플리케이션에 통합할 수 있도록 합니다. 이 플랫폼은 AI 개발 및 배포를 위한 강력한 환경을 제공하는 데 중점을 두어 AI 기반 프로젝트의 혁신과 효율성을 지원합니다.
AI 모델
OpenLLaMA는 Meta AI의 LLaMA 7B 모델을 허용 가능한 라이선스로 재현한 오픈 소스 모델입니다. RedPajama 데이터셋으로 학습되었으며, 3B, 7B, 13B 파라미터 버전을 제공하고 PyTorch 및 JAX 가중치를 통해 기존 LLaMA 구현에 원활하게 통합할 수 있습니다.
GIT (Generative Image-to-text Transformer)는 Microsoft에서 개발한 비전 및 언어 작업을 위한 AI 모델입니다. 이미지에서 텍스트 설명을 생성하며 시각적 질의응답을 수행할 수 있습니다. 이 모델은 다양한 애플리케이션을 위해 여러 사전 학습 및 미세 조정 버전을 제공합니다.
AI 모델
UNITER는 ECCV 2020 논문 'UNITER: UNiversal Image-TExt Representation Learning'의 연구 코드 저장소입니다. VQA, VCR, 이미지-텍스트 검색 등 다양한 비전-언어 작업에 대한 파인튜닝 및 추론 코드를 제공합니다. UNITER-base 및 UNITER-large에…
AI 모델
Oscar와 VinVL은 비전-언어 작업을 위한 고급 AI 모델입니다. Oscar는 객체 의미론적 정렬을 사용하여 사전 학습하며 최첨단 결과를 달성합니다. VinVL은 시각적 표현을 향상시켜 다양한 비전-언어 벤치마크에서 성능을 더욱 개선합니다. 이 프로젝트는 재현 및 추가 연구를 위한 코드, 사전 학습된 모델 및…
AI 모델
Dreamer V3는 다양한 제어 작업을 해결하기 위해 환경 모델을 학습하는 일반 강화 학습 알고리즘입니다. 단일 구성으로 150개 이상의 작업에서 뛰어난 성능을 발휘하며 전문화된 방법을 능가합니다. 이 알고리즘은 미래 시나리오를 상상함으로써 강력한 학습을 가능하게 하여 광범위한 인간 전문 지식이나 실험 없이도 AI를…
AI 모델
Plan2Explore는 효율적인 탐색과 새로운 작업에 대한 빠른 적응을 위해 설계된 자체 지도 강화 학습 에이전트입니다. 탐색 중에 예상되는 미래의 새로움을 찾기 위해 계획을 활용하여 다운스트림 작업에 대한 제로샷 또는 퓨샷 학습을 가능하게 합니다. 까다로운 제어 작업에서 평가되었으며 이전 방법보다 뛰어난 성능을…
AI 모델
Google 계정으로 Google 서비스에 안전하게 액세스하세요. 이 시스템을 통해 사용자는 이메일 또는 전화번호로 로그인하고, 개인 정보를 관리하며, 게스트 모드 옵션을 통해 개인 정보를 유지할 수 있습니다. 이는 Google 애플리케이션 및 도구 모음에 대한 관문입니다.
AI 모델
World Models는 강화 학습 환경을 위한 생성 신경망 모델을 탐구하는 연구 프로젝트입니다. 이 프로젝트는 에이전트가 자체 월드 모델이 생성한 시뮬레이션된 '꿈' 속에서 학습할 수 있도록 하여, 이를 실제 환경으로 전이할 수 있게 합니다. 이 접근 방식은 더 작고 효율적인 정책을 만드는 것을 목표로 합니다.
AI 모델
이 저장소는 Twin Delayed Deep Deterministic Policy Gradients (TD3) 알고리즘의 공식 PyTorch 구현을 제공합니다. OpenAI Gym 환경 내의 연속 제어 작업을 위해 설계되었으며, 강화 학습 연구 및 개발을 위한 강력한 솔루션을 제공합니다.
AI 모델
DeepMind는 고급 AI 모델 개발에 중점을 둔 선도적인 인공지능 연구소입니다. 이들의 연구는 복잡한 문제를 해결하고 최첨단 AI 연구 개발을 통해 과학적 이해를 증진하는 것을 목표로 다양한 영역에 걸쳐 있습니다. 인류에게 이익이 되는 AI를 만드는 데 전념하고 있습니다.
이 리포지토리는 그래프 신경망(GNN)을 위한 Principal Neighbourhood Aggregation(PNA)의 구현을 제공합니다. PyTorch, DGL 및 PyTorch Geometric 프레임워크를 지원하며, 멀티태스크 및 실제 벤치마크를 위한 스크립트와 유연한 GNN 프레임워크 및 비교 모델을 제공합니다.
이 GitHub 리포지토리는 DeepGCNs, DeeperGCN 및 GNN1000에 대한 PyTorch 구현을 제공합니다. 잔차 연결 및 희석 컨볼루션과 같은 CNN의 개념을 적용하여 매우 깊은 그래프 컨볼루션 네트워크를 훈련할 수 있도록 하여 그래프 신경망 연구를 촉진합니다.
AI 모델
OpenReview.net은 과학적 소통의 개방성을 증진하는 데 전념하는 플랫폼입니다. 연구 과정의 투명성과 무결성을 향상시키기 위해 공개 동료 검토, 공개 출판, 공개 접근 및 공개 토론을 지지합니다. 이 플랫폼은 과학적 평가에 대한 커뮤니티 주도 접근 방식을 지원합니다.
AI 모델
다재다능한 확산 모델인 DiffWave를 기반으로 한 오디오 합성 데모를 살펴보세요. 이 리소스는 신경 보코딩, 클래스 조건부 생성, 비조건부 파형 생성 및 음성 노이즈 제거 기능을 보여줍니다. 다양한 데이터셋과 조건에서 모델의 성능에 대한 오디오 샘플과 통찰력을 제공하며 유연성을 강조합니다.
AI 모델
FastSpeech 2는 음성 품질과 학습 속도를 향상시키는 종단 간(end-to-end) 텍스트 음성 변환 모델입니다. 피치 및 에너지와 같은 음성 변형 정보를 직접 통합하여, 이전의 비자기회귀(non-autoregressive) 모델의 단점을 개선하고, 티처 증류(teacher distillation)를 제거하며,…
이것은 Parallel WaveGAN 및 관련 오디오 생성 모델의 비공식 데모 페이지입니다. 영어, 일본어, 중국어에 대한 MelGAN, Multiband-MelGAN, HiFi-GAN, StyleMelGAN을 포함한 다양한 구현으로 생성된 오디오 샘플을 보여줍니다. 생성된 오디오를 원본과 비교해 보세요.
AI 모델
HiFi-GAN은 효율적이고 고품질의 음성 합성을 위한 생성적 적대 신경망입니다. 오디오의 주기적 패턴을 모델링하여 샘플 품질을 향상시키고, 높은 속도로 사람과 유사한 품질을 달성합니다. 이 모델은 단일 화자, 알려지지 않은 화자, 종단 간 합성을 지원하며, CPU용 소형 버전도 제공합니다.
AI 모델
ESPnet은 엔드투엔드 음성 처리를 위한 오픈소스 툴킷입니다. 자동 음성 인식(ASR), 텍스트 음성 변환(TTS), 음성 향상과 같은 작업을 위한 포괄적인 레시피와 도구를 제공합니다. 사용자는 유연한 프레임워크를 통해 쉽게 추론을 실행하고, 기존 모델을 파인튜닝하거나, 사용자 정의 솔루션을 구현할 수 있습니다.
AI 모델
이 AI 모델은 소매, 소셜 네트워킹, 검색과 같은 온라인 환경에서 개인 데이터에 대한 사용자 개인 정보 민감도를 탐구합니다. 특정 데이터 항목에 대한 민감도를 정량화하고, 필수 데이터는 덜 민감하며, 수동으로 수집된 데이터는 통제 및 투명성의 영향을 받아 더 민감하다는 것을 보여줍니다.
AI 모델
MUSE는 비지도 및 지도 학습 방법을 모두 지원하는 다국어 단어 임베딩 생성용 Python 라이브러리입니다. fastText 임베딩을 공통 공간으로 정렬하고, 훈련 및 평가를 위한 대규모 이중 언어 사전을 제공하여 교차 언어 NLP 작업을 가능하게 합니다.
AI 모델
관찰 가능한 데이터가 관찰 불가능한 마르코프 프로세스에 의존하는 통계 모델입니다. 음성 인식, 생물정보학, 금융 모델링 등에 응용되어 관찰된 데이터로부터 숨겨진 상태를 추론하는 데 사용됩니다.
AI 모델
오토인코더는 비지도 학습을 위해 설계된 신경망의 한 종류로, 효율적인 데이터 인코딩 학습에 중점을 둡니다. 데이터를 코드로 압축하는 인코더와 이 코드로 원본 데이터를 재구성하는 디코더로 구성됩니다. 주로 차원 축소 및 특징 학습에 사용되며, 머신러닝에서 다재다능한 도구입니다.
이 목록은 Yoshua Bengio 외 연구진의 심층 신경망을 위한 탐욕적 계층별 학습에 관한 연구 논문을 참조합니다. 이 논문은 2006년 NIPS에서 발표되었으며, 초기 딥러닝 연구의 기반이 되는 심층 신뢰 신경망의 비지도 사전 학습 방법을 상세히 설명합니다. 논문은 계층을 독립적으로 학습한 후 미세 조정하는 방법을…
AI 모델
TU Graz, 또는 그라츠 공과대학교는 오스트리아의 선도적인 공과대학교입니다. 다양한 공학 및 과학 분야에 걸쳐 광범위한 학사, 석사 및 박사 과정을 제공합니다. 이 대학은 연구, 혁신 및 산업 및 국제 파트너와의 협력 증진에 전념하고 있습니다.
AI 모델
Vision Transformer (ViT) 리포지토리는 이미지 인식 작업을 위한 모델과 코드를 제공합니다. 여기에는 ImageNet 및 ImageNet-21k 데이터셋으로 사전 학습된 Vision Transformer 및 MLP-Mixer 아키텍처 구현과 JAX/Flax에서의 파인튜닝 코드가 포함됩니다.
AI 모델
Google Research는 Google의 연구 프로젝트를 위한 GitHub 저장소입니다. 다양한 AI 및 머신러닝 이니셔티브에 대한 코드와 문서를 제공합니다. 개발자는 자연어 처리 및 컴퓨터 비전과 같은 분야의 최첨단 연구를 탐색하고, 기여하고, 배울 수 있습니다.
AI 모델
FNet는 푸리에 변환으로 자체 주의 메커니즘을 대체하는 효율적인 트랜스포머 유사 인코더 아키텍처입니다. Google Research에서 개발했으며, 자연어 처리 작업에 대한 고성능 대안을 제공합니다. 이 모델은 Jax/Flax로 구현되었으며 GitHub에서 사전 학습 및 미세 조정을 위해 사용할 수 있습니다.
Google Research의 GitHub 리포지토리는 오픈 소스 프로젝트와 연구 이니셔티브를 호스팅합니다. 개발자와 연구자가 코드를 액세스하고, 협업하며, 인공 지능 및 기타 과학 분야의 발전에 기여할 수 있는 중앙 허브 역할을 합니다. 최첨단 연구 및 도구를 탐색해 보세요.
AI 모델
SpanBERT는 텍스트 스팬의 표현 및 예측을 통해 사전 학습을 개선하는 데 중점을 둔 AI 모델입니다. HuggingFace BERT 형식과 호환되는 사전 학습된 기본 및 대형 cased 모델을 제공합니다. 이 리포지토리는 질문 답변 및 관계 추출을 포함한 다양한 NLP 작업에서 SpanBERT를 사용하고 평가하기…
AI 모델
LayoutLM은 시각적으로 풍부한 문서 이해 및 정보 추출을 위한 멀티모달 사전 학습 모델입니다. 텍스트, 레이아웃, 이미지 정보를 결합하여 폼 및 영수증 이해와 같은 작업에서 최첨단 결과를 달성합니다. 이 모델은 다국어 지원을 포함한 다양한 크기와 버전으로 제공됩니다.
AI 모델
UniLM은 Microsoft에서 개발한 대규모 자체 지도 사전 학습 프레임워크입니다. 텍스트, 이미지, 오디오를 포함한 다양한 작업, 언어 및 모달리티에 걸쳐 모델이 학습할 수 있도록 지원합니다. 이 프로젝트는 고급 AI 연구 및 개발을 위한 기반 모델과 툴킷을 제공합니다.
AI 모델
MASS는 시퀀스-투-시퀀스 언어 생성 작업을 위한 사전 학습 방법입니다. 인코더에서 문장 조각을 마스킹하여 디코더가 예측하도록 하며, 신경망 기계 번역 및 텍스트 요약과 같은 작업을 향상시킵니다. 이 코드베이스는 Fairseq 기반의 다양한 애플리케이션을 지원합니다.
AI 모델
PEGASUS는 Google Research에서 개발한 최첨단 추상적 텍스트 요약 모델입니다. 독창적인 사전 학습 목표인 'gap-sentence generation'을 활용하여 다양한 요약 작업에서 뛰어난 성능을 달성합니다. 이 모델은 최소한의 파인튜닝 데이터로도 고품질 결과를 얻을 수 있는 뛰어난 샘플 효율성을…
AI 모델
ProphetNet은 자연어 생성에 초점을 맞춘 MSRA NLC 팀의 연구 프로젝트입니다. 미래 정보, 공동 생성기-랭커 학습, 확산 기반 텍스트 생성 등을 위한 사전 학습 모델의 공식 구현을 제공합니다. 이 프로젝트는 GitHub에서 호스팅됩니다.
DeBERTa는 Microsoft Research에서 개발한 대규모 사전 학습 언어 모델입니다. T5 11B 모델보다 뛰어난 성능을 보이며 SuperGLUE 벤치마크에서 인간 수준의 결과를 달성했습니다. 이 고급 모델은 자연어 이해 작업에 상당한 기능을 제공합니다.
AI 모델
Funnel-Transformer는 계산 비용을 줄이기 위해 은닉 상태를 압축하는 AI 모델입니다. 동일한 FLOPs로 더 깊거나 넓은 모델을 만들 수 있으며, 표준 사전 학습을 위한 토큰 수준 표현을 복구할 수 있습니다. 이 모델은 TensorFlow 및 PyTorch 구현으로 제공됩니다.
AI 모델
ConvBERT는 스팬 기반 동적 컨볼루션이라는 새로운 아키텍처를 도입한 오픈 소스 언어 모델 사전 학습 AI 모델입니다. 이 GitHub 리포지토리는 V100 GPU에서 테스트된 ConvBERT 모델의 사전 학습 및 미세 조정을 위한 코드를 제공하며, TensorFlow 사용 지침을 포함합니다.
AI 모델
MPNet은 BERT와 XLNet을 개선한 언어 이해 작업을 위한 새로운 사전 학습 방법입니다. 다양한 사전 학습 모델에 대한 통합 구현을 제공하며, GLUE 및 SQuAD와 같은 다양한 언어 이해 작업에 대한 사전 학습 및 미세 조정을 위한 코드를 지원합니다.
AI 모델
node2vec은 그래프 내 노드의 연속적인 특징 표현을 학습하기 위한 확장 가능한 프레임워크입니다. 편향된 랜덤 워크를 통해 이웃 보존을 최적화하여 다양한 머신러닝 작업을 가능하게 합니다. 이 알고리즘은 풍부한 노드 임베딩을 위해 탐색과 활용의 균형을 맞춥니다.
AI 모델
AMiner는 Zhipu GLM 모델 기반의 AI 연구 보조 도구로, 3억 개 이상의 문헌 기록과 6천만 명의 학자 정보에 접근할 수 있습니다. 학술 검색, 심층 연구, AI 논문 읽기, AI 기반 문헌 검토를 지원하며 실제 인용을 통해 과학 연구 효율성을 향상시킵니다.
이 리포지토리는 ICLR'2022에 발표된 연구 논문 "How Attentive are Graph Attention Networks?"의 공식 코드 구현을 제공합니다. PyTorch Geometric, DGL 및 TensorFlow GNN을 포함한 여러 프레임워크에서 GATv2에 대한 재현 가능한 실험과 코드를…
AI 모델
SEAL은 링크 예측 문제를 부분 그래프 분류 문제로 변환하는 새로운 프레임워크입니다. h-hop 포함 부분 그래프와 노드 정보 행렬을 추출하여 그래프 신경망에 입력합니다. SEAL은 그래프 구조와 잠재/명시적 노드 특징 모두에서 동시에 학습하여 정확한 링크 예측을 수행합니다.
AI 모델
GraphSAINT는 대규모 그래프에서 딥 그래프 신경망(GNN)을 훈련하기 위한 유연한 프레임워크입니다. 그래프 샘플링을 사용하는 새로운 미니배치 훈련 방법을 도입하여 기존의 레이어 샘플링 기법에 비해 정확도, 효율성 및 확장성이 향상되었습니다. 여러 GNN 아키텍처와 샘플러를 지원합니다.
AI 모델
RoboCat은 로보틱스를 위한 자체 개선 AI 에이전트로, 다양한 로봇 팔에서 여러 작업을 수행하도록 학습합니다. 100회 미만의 시연으로 새로운 작업에 적응할 수 있으며 성능 향상을 위해 자체 훈련 데이터를 생성하여 로보틱스 연구를 가속화합니다.
StyleSwin은 고해상도 이미지 생성을 위해 설계된 트랜스포머 기반 생성적 적대 신경망(GAN)입니다. Swin 트랜스포머와 새로운 이중 어텐션 메커니즘을 활용하여 계산 효율성과 모델링 용량을 균형 있게 조절하며, 최대 1024x1024 해상도에서 우수한 결과를 달성합니다.
Plenoxels는 신경망에 의존하지 않고 높은 충실도로 장면을 재구성하는 새로운 방식의 radiance field를 제공합니다. 이 방법은 기존 NeRF보다 두 자릿수 빠른 최적화 속도를 달성하여 다양한 3D 재구성 작업에 매우 효율적입니다. 밀도 및 구면 조화 계수를 위해 희소 복셀 그리드를 활용합니다.
이 AI 모델은 신경 그래픽 프리미티브에 대한 다중 해상도 해시 인코딩을 도입하여 단일 GPU에서 신경망을 거의 즉시 학습할 수 있도록 합니다. 이는 기가픽셀 이미지 표현, 신경 SDF 및 NeRF 재구성 작업의 학습 시간과 계산 비용을 크게 줄여 높은 품질과 단순성을 제공합니다.
이 AI 모델은 실시간 래디언스 필드 렌더링을 위한 3D Gaussian Splatting을 도입하여 최첨단 시각적 품질을 높은 프레임 속도로 달성합니다. 3D 가우시안과 빠른 가시성 인식 렌더링 알고리즘을 사용하여 장면 표현을 최적화하여 1080p 해상도에서 고품질의 새로운 뷰 합성을 가능하게 합니다.
AI 모델
GET3D는 2D 이미지 컬렉션에서 직접 고품질 3D 텍스처 메쉬를 합성하는 생성 AI 모델입니다. 복잡한 위상과 풍부한 기하학적 디테일을 가진 다양한 형태를 생성하며, 표준 3D 렌더링 엔진에서 사용할 수 있습니다. 이 모델은 2D 이미지에 대한 적대적 손실을 사용하여 학습되며, 기하학과 텍스처 간의 분리를 제공합니다.
AI 모델
Magic3D는 고해상도 텍스트-3D 콘텐츠 생성을 위한 AI 도구입니다. 거친-정밀(coarse-to-fine) 확산 전략을 사용하여 텍스트 프롬프트에서 상세한 3D 메시 모델을 생성합니다. 이 도구는 향상된 제어 및 창의적 응용을 위해 프롬프트 기반 편집과 이미지 컨디셔닝을 제공하여 우수한 품질의 3D 에셋을…
AI 모델
AudioLDM은 잠재 확산 모델을 활용하는 텍스트-오디오 생성 프레임워크입니다. 음성, 음악, 음향 효과 생성을 위해 다양한 모달리티를 통합된 '오디오 언어'(LOA)로 변환합니다. 이 접근 방식은 인컨텍스트 학습을 가능하게 하고 자체 지도 사전 학습 모델을 활용하여 다목적 오디오 생성을 지원합니다.
AI 모델
Make-An-Audio는 프롬프트 강화 확산 모델을 사용하는 텍스트-오디오 생성 시스템입니다. 의사 프롬프트 강화 및 스펙트로그램 오토인코더를 사용하여 데이터 부족과 오디오 복잡성을 해결합니다. 이 시스템은 최첨단 결과를 달성하고 다양한 입력에서 고화질, 고충실도 오디오를 생성하기 위한 제어 가능성을 제공합니다.
AI 모델
Voicebox는 최첨단 성능으로 여러 작업에 걸쳐 일반화되는 음성용 생성 AI 모델입니다. 6개 언어로 음성을 합성하고, 노이즈를 제거하고, 콘텐츠를 편집하고, 스타일을 변환하고, 다양한 샘플을 생성할 수 있으며, 단일 목적 모델보다 뛰어난 성능을 발휘합니다.
AI 모델
Decision Transformer는 강화 학습을 시퀀스 모델링 문제로 재구성하여 GPT-x 및 BERT와 같은 Transformer 아키텍처를 활용합니다. 원하는 반환값, 과거 상태 및 행동에 대한 조건화를 통해 최적의 행동을 생성하며, Atari, OpenAI Gym 및 Key-to-Door 작업에서 최첨단 성능을…
AI 모델
Microsoft Research는 혁신적인 AI 및 기술 혁신의 중심지입니다. 컴퓨터 과학 및 인공 지능의 경계를 넓히는 선도적인 연구원들의 프로젝트, 논문 및 뉴스를 탐색해 보세요. 머신러닝, 자연어 처리, 컴퓨터 비전과 같은 분야의 발전을 발견하세요.
MIMIC-III v1.4는 40,000명 이상의 중환자실 환자의 비식별화된 건강 데이터를 포함하는 포괄적이고 무료로 액세스 가능한 임상 데이터베이스입니다. 역학, 임상 의사 결정 및 도구 개발의 다양한 연구를 지원하는 인구 통계, 활력 징후, 검사 결과, 약물 및 메모를 포함합니다.
Allen Institute for AI(AI2)는 영향력 있는 AI 연구 및 엔지니어링을 수행하는 데 전념하는 비영리 연구소입니다. 그들은 공동선을 위한 AI 발전, 기초 모델 개발, 연구원 및 개발자에게 권한을 부여하는 도구 생성에 중점을 둡니다. 그들의 작업은 AI를 더 접근 가능하고 유익하게 만드는 것을 목표로…
ESM Metagenomic Atlas는 Meta AI에서 제공하는 오픈 리소스로, 메타게놈 데이터에서 예측된 7억 7,200만 개 이상의 단백질 구조에 대한 액세스를 제공합니다. 연구자들이 단백질 폴드와 서열을 탐색, 검색 및 분석하여 미생물 다양성과 단백질 기능에 대한 이해를 발전시킬 수 있도록 지원합니다.
AI 모델
OmegaFold는 1차 아미노산 서열에서 직접 3D 단백질 구조를 생성하는 고해상도 de novo 단백질 구조 예측 도구입니다. 추론 시 긴 단백질에 대한 GRAM 감소를 제공하며 macOS에서 Apple Silicon 가속을 지원합니다.
AI 모델
Robetta는 RoseTTAFold 딥러닝 방법을 활용하는 AI 기반 단백질 구조 예측 서비스입니다. 사용자 정의 정렬, 제약 조건 및 로컬 단편을 위한 대화형 인터페이스를 통해 빠르고 정확한 예측을 제공합니다. 이 플랫폼은 광범위한 템플릿 데이터베이스를 활용하여 다중 사슬 복합체 모델링 및 비교 모델링을 지원합니다.
AI 모델
EquiBind는 단백질에 결합하는 소분자의 3D 구조를 예측하는 기하학적 딥러닝 모델입니다. 수용체 결합 위치와 리간드 포즈 모두에 대해 빠르고 직접적인 예측을 제공하여 기존 방법을 크게 단축합니다. 신약 개발 및 구조 생물학 연구에 이상적입니다.
AlphaFold는 AI로 예측된 3D 단백질 구조를 제공하며, AlphaFold 단백질 구조 데이터베이스를 2억 개 이상의 항목으로 확장합니다. 이 리소스는 질병부터 지속 가능성에 이르기까지 다양한 분야의 발견을 지원하며, 단백질 기능 및 메커니즘에 대한 신속하고 원자 수준의 통찰력을 제공하여 생물학 연구를…
AI 모델
Uni-Mol은 속성 예측 및 결합 자세 예측과 같은 다양한 다운스트림 작업을 위한 범용 3D 분자 표현 학습 프레임워크입니다. 확장 가능한 사전 학습 모델과 분자 작업을 위한 사용하기 쉬운 래퍼를 제공하는 Uni-Mol+, Uni-Mol Tools, Uni-Mol Docking V2 및 Uni-Mol2를 포함합니다.
AI 모델
GraphCast는 전 세계 날씨를 예측하는 AI 모델로, 1분 이내에 전례 없는 정확도로 10일간의 예측을 제공합니다. 기존 시스템보다 훨씬 뛰어나며, 사이클론 및 폭염과 같은 극한 기상 현상에 대한 조기 경보를 제공하고, 이제 전 세계 과학계의 이익을 위해 오픈 소스로 공개되었습니다.
AI 모델
Pangu-Weather는 정확한 중기 전 지구 날씨 예보를 위한 AI 기반 시스템입니다. 3D 신경망과 계층적 시간 통합 전략을 활용하여 기존의 수치 예보 모델보다 높은 정확도를 달성하면서도 훨씬 빠릅니다.
AI 모델
Google DeepMind의 GNoME는 새로운 무기물 결정 발견을 가속화하는 딥러닝 도구입니다. 재료의 안정성을 예측하여 배터리 및 초전도체와 같은 미래 기술에 안정적이고 실용적인 수십만 개를 포함한 수백만 개의 새로운 화합물을 식별합니다.
matgenb는 재료 과학 연구를 위한 주피터 노트북 모음을 제공합니다. 재료 분석을 위해 pymatgen, Custodian, Fireworks와 같은 오픈 소스 도구의 사용을 시연합니다. Google Colab 또는 BinderHub를 통해 예제를 쉽게 실행하고 이 협업 플랫폼에 자신의 코드를 기여하세요.
AI 모델
MACE는 빠르고 정확한 머신러닝 원자간 포텐셜을 위한 Python 라이브러리입니다. 고급 재료 과학 시뮬레이션을 위해 고차원 등변 메시지 전달을 활용합니다. 이 도구는 학습, 평가를 지원하며 재료 및 유기 화학을 포함한 다양한 응용 분야를 위한 사전 학습된 기반 모델을 제공합니다.
AI 모델
Allegro는 엄격하게 로컬 E(3)-동변환 기계 학습 원자간 퍼텐셜입니다. NequIP 확장 패키지로 구현되었으며, 재료 과학 및 관련 분야에 대한 정확하고 효율적인 시뮬레이션을 제공하는 데 중점을 둡니다. 문서는 설치, 사용법 및 LAMMPS와의 통합을 다룹니다.
AI 모델
PyTorch TabNet은 표 형식 데이터 학습을 위한 주의 집중적이고 해석 가능한 접근 방식을 제공하는 TabNet 논문의 PyTorch 구현입니다. 준지도 사전 학습 및 실시간 데이터 증강과 같은 기능을 통해 분류, 회귀 및 다중 작업 학습을 지원합니다. 이 라이브러리는 사용 편의성과 프로덕션 준비성을 위해…
Neural Oblivious Decision Ensembles (NODE)는 테이블 형식 데이터에 대한 딥러닝을 위한 Python 라이브러리입니다. 이는 앙상블의 맹목적이고 미분 가능한 결정 트리를 구현하여 구조화된 데이터 모델링에 대한 새로운 접근 방식을 제공합니다. NODE는 딥러닝 아키텍처를 테이블 형식…
This GitHub repository provides the official implementation for the NeurIPS 2021 paper 'Revisiting Deep Learning Models for Tabular Data.' It explores deep learning architectures…
AI 모델
이 저장소는 테이블 데이터에 대한 향상된 신경망을 위해 설계된 SAINT 모델의 공식 PyTorch 구현을 제공합니다. 성능 향상을 위해 행 주의 메커니즘과 대조 사전 학습 기법을 활용합니다. 이 코드는 회귀, 이진 및 다중 클래스 분류 작업을 지원하며 테이블 데이터 문제에 대한 강력한 솔루션을 제공합니다.
AI 모델
R-FCN은 완전 컨볼루션 네트워크를 활용하여 정확하고 효율적인 이미지 분석을 수행하는 영역 기반 객체 탐지 프레임워크입니다. 전체 이미지에 걸쳐 연산을 공유하여 ResNet과 같은 강력한 분류기 백본을 채택할 수 있도록 하여 객체 탐지 성능을 향상시킵니다.
AI 모델
SPP_net은 시각 인식에서 딥 컨볼루션 네트워크를 위한 공간 피라미드 풀링 알고리즘의 재구현입니다. 2014년 ECCV 논문의 객체 탐지 결과를 재현하는 것을 목표로 하며, 코드 배포의 용이성을 위해 Caffe를 활용합니다. 이 프로젝트는 모델 학습 및 미세 조정을 위한 코드를 제공합니다.
Squeeze-and-Excitation Networks (SENet)는 채널별 특징 응답을 적응적으로 재보정하는 딥러닝 모델 아키텍처입니다. 채널 간의 상호 의존성을 명시적으로 모델링하여 성능을 향상시키고 이미지 분류 작업의 정확도를 개선합니다. Caffe로 구현되었습니다.
AI 모델
ShuffleNet 시리즈 리포지토리는 모바일 장치 및 리소스 제약 환경을 위해 설계된 고효율 컨볼루션 신경망 모델 컬렉션을 제공합니다. 신경망 아키텍처 검색 및 객체 탐지 백본을 위한 도구와 함께 ShuffleNetV1, ShuffleNetV2 및 특수 변형과 같은 다양한 버전을 포함합니다.
AI 모델
MnasNet은 속도 제약을 검색 보상 함수에 직접 통합하여 모바일 머신러닝 모델 설계를 자동화합니다. 이 플랫폼 인식 접근 방식은 정확도와 속도의 균형을 맞추는 모델을 식별하여 모바일 장치에서 수작업으로 만든 모델보다 뛰어난 성능을 발휘합니다.
AI 모델
이 리포지토리는 이미지 인식 작업을 위한 컨볼루션 신경망 아키텍처인 ConvMixer의 구현을 제공합니다. "Patches Are All You Need? 🤷" 논문을 기반으로 하며, 평가를 위한 사전 학습된 모델 가중치와 ImageNet-1k 및 CIFAR-10과 같은 데이터셋에서 학습하기 위한 코드를 제공합니다.
AI 모델
RepVGG는 ImageNet에서 높은 정확도를 달성하는 강력하고 단순한 ConvNet 아키텍처입니다. 재매개변수화 기법을 활용한 VGG 스타일 설계를 통해 효율적인 추론이 가능합니다. 이 프로젝트는 사전 학습된 모델, 학습 코드 및 다양한 컴퓨터 비전 작업을 위한 예제를 제공합니다.
AI 모델
MobileOne은 모바일 장치에 최적화된 효율적인 신경망 백본입니다. 추론 속도를 최적화하여 높은 정확도로 iPhone12에서 1ms 미만을 달성합니다. 이 모델은 이미지 분류, 객체 탐지 및 의미론적 분할 작업 전반에 걸쳐 일반화되어 상당한 지연 시간 및 정확도 개선을 제공합니다.
AI 모델
Vision GNN (ViG)는 Huawei Noah's Ark Lab에서 개발한 Vision Graph Neural Network의 PyTorch 구현체입니다. ViG 및 Pyramid ViG 아키텍처 모두에 대한 사전 학습된 모델과 학습 스크립트를 포함하여 이미지 처리 작업을 위한 효율적인 AI 백본을 제공합니다.
AI 모델
Deformable Convolutional Networks (DCN)는 컨볼루션 커널에 대한 샘플링 오프셋을 능동적으로 학습하여 딥러닝 모델을 향상시킵니다. 이를 통해 네트워크는 기하학적 변환 및 객체 변형을 더 잘 포착할 수 있으며, 객체 탐지 및 의미론적 분할과 같은 작업에서 성능을 개선합니다. 이 프로젝트는…
PointPillars for KITTI 객체 탐지는 KITTI 데이터셋에서 PointPillars 논문의 결과를 재현하기 위한 코드를 제공하는 GitHub 저장소입니다. 포인트 클라우드로부터의 빠른 객체 탐지 인코더에 중점을 둔 SECOND 코드베이스의 포크입니다. 이 프로젝트는 보관 처리되어 읽기 전용 상태입니다.
AI 모델
SECOND PyTorch는 KITTI 및 NuScenes 데이터셋을 위한 SECOND 객체 감지 네트워크의 오픈 소스 구현입니다. LiDAR 데이터에서 효율적인 3D 객체 감지를 위해 희소 컨볼루션을 활용합니다. 이 프로젝트는 Python 3.6+ 및 PyTorch 1.0.0+를 지원하는 학습 및 평가 코드를…
Panoptic FPN은 인스턴스 및 의미론적 분할을 단일 네트워크 아키텍처로 통합합니다. 공유 Feature Pyramid Network 백본을 사용하는 의미론적 분할 분기를 추가하여 Mask R-CNN을 향상시키며, 두 작업 모두에 대해 경량화되고 효과적인 솔루션을 제공합니다. 이 연구는 Panoptic 분할을 위한…
AI 모델
Skip-Thought Vectors는 연구 논문 "Skip-Thought Vectors"를 기반으로 Sent2Vec 인코더 및 학습 코드를 제공합니다. 이를 통해 문장의 밀집된 벡터 표현을 생성하여 다양한 자연어 처리 작업을 용이하게 합니다. 코드는 Python으로 구현되었으며, 설정 및 실행을 위해 특정 종속성이…
AI 모델
InferSent는 영어 문장에 대한 의미론적 표현을 생성하는 문장 임베딩 방법입니다. 자연어 추론 데이터로 학습되어 다양한 작업에 잘 일반화됩니다. 이 프로젝트는 사전 학습된 영어 문장 인코더와 SentEval 평가 툴킷을 제공하여 NLP 연구 및 애플리케이션에 유용한 리소스입니다.
CTRL은 제어 가능한 텍스트 생성을 위한 16억 개의 매개변수를 가진 조건부 트랜스포머 언어 모델입니다. 도메인, 개체 및 작업별 동작을 지정하기 위해 제어 코드를 조건으로 사용하여 생성된 콘텐츠를 보다 명시적으로 제어할 수 있습니다. 미묘한 텍스트 생성을 원하는 연구원 및 개발자에게 유용합니다.
AI 모델
문신(文心)은 바이두에서 개발한 AI 어시스턴트로, 공식 문서 작성, 학술 논문, 창의적 기획, 코드 프로그래밍 등 광범위한 작업을 지원합니다. 클릭 한 번으로 고품질 초안을 생성하고, 대화형 이미지 편집을 지원하며, 여러 장치 간 실시간 정보 동기화를 통해 사무 및 학습 통합을 원활하게 제공합니다.
AI 모델
BAAI Models 플랫폼은 자연어 처리, 멀티모달 이해 및 단백질 분석을 위한 다양한 AI 모델 컬렉션을 제공합니다. 텍스트 생성, 이미지 설명, 단백질 구조 예측과 같은 작업을 위한 모델을 탐색하고 다운로드하여 다양한 애플리케이션 및 연구 요구 사항을 지원합니다.
AI 모델
DialoGPT는 대화 응답 생성을 위한 대규모 사전 학습 언어 모델입니다. Microsoft에서 개발했으며, GPT-2 아키텍처를 활용하고 방대한 Reddit 대화 데이터로 학습하여 인간 수준의 대화 응답을 생성하는 것을 목표로 합니다. 다양한 계산 요구 사항에 맞춰 여러 모델 크기를 제공합니다.
AI 모델
Meena는 개방형 도메인 대화를 위해 설계된 26억 개의 매개변수를 가진 신경망 대화 모델입니다. 기존 챗봇보다 더 합리적이고 구체적인 응답을 제공하여 인간과 유사한 상호작용을 개선하고 언어 연습 및 대화형 엔터테인먼트와 같은 분야에 잠재적인 응용을 제공하는 것을 목표로 합니다.
GODEL은 목표 지향 대화 생성을 위한 대규모 사전 학습 트랜스포머 기반 모델입니다. 외부 텍스트에 기반한 응답 생성에 뛰어나 다양한 대화 작업에 대한 효율적인 미세 조정을 가능하게 합니다. 이 리포지토리에는 연구 및 개발을 위한 코드, 데이터셋, 사전 학습 모델이 포함되어 있습니다.
AI 모델
RETRO(Retrieval Enhanced Transformers)는 검색 기능을 트랜스포머 아키텍처에 통합한 AI 모델입니다. 웹 페이지, 책, 뉴스, 코드 등 방대한 텍스트 데이터베이스에 액세스하여 언어 생성 정확도와 사실적 일관성을 향상시킵니다. 이 방식은 표준 트랜스포머에 비해 상당한 성능 향상을 제공합니다.
AI 모델
BERT는 100개 이상의 언어를 지원하는 두 가지 다국어 모델(Cased 및 Uncased)을 제공합니다. Cased 모델은 라틴 문자 이외의 알파벳과 일반적인 용도에 권장되며, Uncased 모델은 이전 버전입니다. 이 모델들은 자연어 이해 작업을 위해 설계되었으며 특정 애플리케이션에 맞게 미세…
AI 모델
이 리포지토리는 BEGAN(Boundary Equilibrium Generative Adversarial Networks) 모델의 TensorFlow 구현을 제공합니다. 사용자는 이를 통해 이미지 합성을 위한 생성 모델을 학습하고 테스트할 수 있으며, 사용자 지정 데이터셋 및 GPU 가속을 지원합니다. 이 프로젝트에는…
AI 모델
LS-GAN, 또는 Loss-Sensitive Generative Adversarial Networks는 GAN의 발전을 목표로 하는 프로젝트입니다. 향상된 생성 품질과 안정성을 목표로 손실 함수에 대한 새로운 접근 방식을 도입합니다. 이 프로젝트는 LS-GAN 및 그 변형을 구현하고 실험하기 위한 소스 코드를…
AI 모델
NYU Courant Institute의 계산 및 생물학 학습 연구소(CBLL)는 머신러닝을 위한 에너지 기반 모델(EBM)에 중점을 둡니다. 연구는 객체 인식 및 분할과 같은 작업에 대한 EBM을 탐구하며, 출판물 및 튜토리얼을 제공합니다.
AI 모델
이 GitHub 리포지토리는 조건부 이미지 생성을 위한 공식 Chainer 구현을 제공합니다. 생성적 적대 신경망(GAN)에 스펙트럼 정규화와 프로젝션 판별자를 활용합니다. 이 프로젝트에는 ImageNet, 개, 고양이 이미지와 같은 데이터셋에서 학습, 평가 및 이미지 생성 코드가 포함되어 있습니다.
AI 모델
Facebook은 친구, 가족 및 커뮤니티와 사람들을 연결하는 소셜 네트워킹 플랫폼입니다. 사용자는 업데이트, 사진, 동영상을 공유하고, 그룹에 가입하고, 이벤트를 발견할 수 있습니다. 커뮤니케이션을 촉진하고 온라인 관계를 육성하여 전 세계 개인 및 사회적 상호 작용의 중심 허브 역할을 합니다.
AI 모델
The Journal of Machine Learning Research (JMLR)는 머신러닝 연구를 위한 선도적인 학술 출판물입니다. 머신러닝의 모든 측면에 대한 고품질 논문을 게재하며, 연구자들이 해당 분야의 최신 연구 결과와 발전을 공유할 수 있는 플랫폼을 제공합니다. 아카이브는 무료로 이용 가능합니다.
AI 모델
이 리포지토리는 MADE(Masked Autoencoder Density Estimation)의 PyTorch 구현을 제공합니다. MLP의 연결을 마스킹하여 오토인코더를 자기회귀적 밀도 모델로 변환할 수 있습니다. 이 코드는 이진화된 MNIST 예제를 통해 효율적인 가능도 평가 및 샘플링을 지원합니다.
AI 모델
StyleGAN-XL은 대규모의 다양한 데이터셋에서 고해상도 이미지를 생성하는 AI 모델입니다. StyleGAN 아키텍처를 확장하여 이미지 합성 품질과 다양성을 향상시켰습니다. 이 프로젝트는 학습, 샘플 생성, 이미지 반전 및 편집을 위한 코드를 제공합니다.
AI 모델
StyleGAN3는 신호 처리를 재정비하여 "텍스처 고정" 현상을 제거하는 생성적 적대 신경망입니다. 이는 변환 및 회전 등변성을 달성하여 비디오 및 애니메이션의 보다 일관된 합성을 가능하게 합니다. 이 모델은 동적 시각 콘텐츠에 대한 향상된 디테일 일관성을 제공합니다.
AI 모델
Baidu Research는 현재 웹사이트 유지보수 중입니다. 이 플랫폼은 Baidu의 연구 부서에서 진행하는 최신 기술 발전 및 연구 이니셔티브를 선보이는 데 전념하고 있습니다. 사이트가 일시적으로 이용 불가능하지만, 이는 AI 및 기술 혁신의 허브로서 해당 분야의 미래 발전을 주도하는 것을 목표로 합니다.
AI 모델
Lyra는 Google에서 개발한 혁신적인 초저비트율 음성 코덱입니다. 기계 학습을 활용하여 음성 신호를 압축함으로써 가장 느린 네트워크에서도 고품질 오디오 통신을 가능하게 합니다. Lyra는 생성 모델을 사용하여 추출된 특징으로부터 음성을 재구성함으로써 기존 코덱에 비해 상당한 대역폭 감소를 제공합니다.
AI 모델
SoundStorm은 효율적인 비자기회귀(non-autoregressive) 오디오 생성 AI 모델입니다. 이전 방식보다 두 자릿수 이상 빠른 속도로 고품질 오디오를 생성하며, 음성 및 음향 조건의 일관성을 유지합니다. 말하는 내용, 화자 목소리, 화자 전환을 제어하여 자연스러운 대화 세그먼트를 합성할 수 있습니다.
AI 모델
DimeNet 및 DimeNet++는 분자 그래프를 위한 고급 신경망 모델로, 방향성 메시지 전달에 중점을 둡니다. ICLR 2020 및 NeurIPS-W 2020에서 제안된 이 모델들은 분자 속성에 대한 효율적이고 정확한 예측을 제공하며, DimeNet++는 이전 모델보다 훨씬 빠르고 정확합니다.
AI 모델
MEGNet 프레임워크는 결정 및 분자 분야의 머신러닝을 위해 설계된 AI 모델입니다. 온도 및 압력과 같은 상태 변수를 통합하고, 전이 학습을 가능하게 하며, 화학적 추세를 추출합니다. 이 프레임워크는 오픈 소스 코드와 데이터를 제공함으로써 데이터 크기 및 해석 가능성과 같은 재료 과학 ML의 한계를 해결합니다.
AI 모델
Crystal Graph Convolutional Neural Networks (CGCNN)는 결정 구조로부터 재료의 물성을 예측하도록 설계된 AI 모델입니다. 사용자는 사용자 정의 모델을 훈련하거나 사전 훈련된 버전을 활용하여 물성 예측을 수행할 수 있으며, 이는 재료 과학 연구 및 개발에 강력한 도구를 제공합니다.
AI 모델
GluonTS는 PyTorch 및 MXNet 기반의 딥러닝 모델을 활용하는 확률론적 시계열 모델링을 위한 Python 패키지입니다. 예측 구간을 포함한 확률 분포 형태로 예측을 생성하여 정확한 예측을 지원하며, 복잡한 시계열 분석에 적합합니다.
AI 모델
Prophet는 R 및 Python으로 구현된 오픈 소스 예측 절차입니다. 빠르고 조정 가능한 모델로 시계열 예측을 자동화합니다. 데이터 과학자 및 분석가를 위해 설계되었으며, 계절성, 변화하는 성장률 및 특별 이벤트를 처리하여 불확실성 구간을 포함한 정확한 예측을 제공합니다.
AI 모델
LSTNet은 시계열 예측을 위해 설계된 딥러닝 모델입니다. 순환 신경망과 컨볼루션 신경망의 조합을 사용하여 장단기 시간 패턴을 효과적으로 모델링합니다. 이 모델은 복잡한 시계열 데이터에 특히 유용합니다.
AI 모델
Autoformer는 분해 트랜스포머와 자동 상관 메커니즘을 활용하는 장기 시계열 예측을 위한 AI 모델입니다. 다양한 벤치마크에서 최첨단 결과를 달성하며, 실제 애플리케이션에서 예측 정확도를 향상시키기 위한 시리즈별 연결에 대한 새로운 접근 방식을 제공합니다.
AI 모델
Informer2020 GitHub 리포지토리는 효율적인 장기 시계열 예측을 위해 설계된 Informer 모델의 PyTorch 구현을 제공합니다. 이 모델은 자체 어텐션 점수에서 롱테일 분포를 처리하기 위한 ProbSparse Attention을 특징으로 하며, 복잡한 예측 작업에 대한 고급 솔루션을 제공합니다.
AI 모델
FEDformer는 효율적인 장기 시계열 예측을 위해 설계된 주파수 강화 분해 트랜스포머(Frequency Enhanced Decomposed Transformer)입니다. 시퀀스 길이에 대한 선형 복잡성을 달성하여 다변량 및 단변량 데이터셋 모두에서 예측 오류를 크게 줄임으로써 최첨단 방법을 능가합니다. 이 모델은…
AI 모델
PatchTST는 Transformer 기반 모델의 공식 구현으로, 장기 시계열 예측에 사용됩니다. 시계열을 패치로 분할하고 독립적으로 처리하여 효율적이고 효과적인 예측을 제공합니다. 이 프로젝트는 지도 학습 및 자기 지도 학습 접근 방식 모두에 대한 코드를 제공하여 강력한 예측 기능을 지원합니다.
AI 모델
LTSF-Linear은 "Are Transformers Effective for Time Series Forecasting?" 논문의 공식 PyTorch 구현입니다. 장기 시계열 예측 작업에서 트랜스포머보다 뛰어난 성능을 제공하는 선형 모델(Linear, DLinear, NLinear) 제품군을 소개하며, 높은 효율성과…
AI 모델
TimesNet은 1D 시계열을 2D 공간으로 변환하여 모델링을 강화하는 일반 시계열 분석을 위한 기반 모델입니다. 예측, 대체, 이상 탐지 및 분류에서 최첨단 결과를 달성하며, 다양한 시간 패턴에 걸쳐 강력한 표현 학습을 위해 비전 백본을 활용합니다.
AI 모델
이 리포지토리는 "Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks" 논문에 상세히 설명된 강화 학습 실험을 위한 코드를 제공합니다. 이를 통해 연구원과 개발자는 RL 맥락에서 딥 뉴럴 네트워크의 빠른 적응을 위한 메타 학습 기법을 탐색할 수 있습니다.
AI 모델
이 저장소에는 NeurIPS 2017 논문 "Few-shot Learning을 위한 프로토타입 네트워크"의 코드가 포함되어 있습니다. 소수의 예시만으로 모델을 학습할 수 있는 새로운 방식의 few-shot learning 구현을 제공합니다.
이 리포지토리는 CVPR 2018 논문 'Learning to Compare: Relation Network for Few-Shot Learning'의 PyTorch 코드를 제공합니다. Few-Shot Learning 측면에 중점을 두어 Omniglot 및 mini-Imagenet과 같은 데이터셋에서 모델을 학습하고…
이 GitHub 리포지토리는 "Generative Adversarial Imitation Learning" 논문의 코드를 포함하고 있습니다. Trust Region Policy Optimization을 구현하며, 모방 학습 정책을 훈련하고 평가하기 위한 스크립트를 제공합니다. 이 프로젝트는 보관 처리되어 읽기 전용이며,…
AI 모델
이 GitHub 리포지토리에는 "When to Trust Your Model: Model-Based Policy Optimization" 논문의 코드가 포함되어 있습니다. 모델 기반 정책 최적화 알고리즘 구현을 제공하여 연구원 및 개발자가 실험을 재현하고 강화 학습 연구를 기반으로 구축할 수 있도록 합니다.
이 리포지토리에는 "Probabilistic Dynamics Models를 사용한 소수의 시도로 심층 강화 학습"에 대한 실험 코드가 포함되어 있습니다. PETS 알고리즘을 구현하여 불확실성을 인지하는 심층 신경망 동역학 모델과 샘플링 기반 불확실성 전파를 결합하여 RL 작업에서 효율적인 샘플 학습을 제공합니다.
AI 모델
PlaNet은 잠재적 동역학을 학습하여 픽셀로부터 계획하는 모델 기반 강화 학습 알고리즘입니다. 학습된 잠재 공간에서 미래 보상을 효율적으로 예측하며, 적은 환경 상호작용으로 모델 프리(model-free) 방식과 경쟁합니다. 이 프로젝트는 오픈 소스 구현을 제공합니다.
AI 모델
OpenAI Five는 OpenAI에서 개발한 5개의 신경망 팀입니다. 이 AI 시스템은 복잡한 Dota 2 게임에서 아마추어 인간 팀과 경쟁하고 승리하는 능력을 보여주었으며, 고급 전략 및 협업 AI를 선보였습니다.
AI 모델
AlphaStar는 복잡한 실시간 전략 게임인 StarCraft II에서 그랜드마스터 수준을 달성한 AI 모델입니다. 이 모델은 인간과 유사한 제약 조건 하에서 게임 제한 없이 플레이하며, 멀티 에이전트 강화 학습과 모방 학습을 활용하여 동적인 환경에서 고급 AI 역량을 보여줍니다.
Policy gradient methods are a class of reinforcement learning algorithms that directly learn a policy function. Unlike value-based methods, they optimize a policy's parameters to…
SARSA는 마르코프 결정 과정 정책을 학습하기 위한 강화 학습 알고리즘입니다. 에이전트의 현재 상태, 행동, 보상, 다음 상태 및 다음 행동을 기반으로 Q-값을 업데이트하여 동적 환경에서 적응적인 의사 결정을 가능하게 합니다. 이 온-폴리시 방법은 지능형 에이전트 개발에 중요합니다.
AI 모델
Q-러닝은 현재 상태를 기반으로 행동에 가치를 할당하도록 에이전트를 훈련하는 모델 프리 강화 학습 알고리즘입니다. 명시적인 환경 모델 없이 확률적 환경을 처리하며 기대되는 미래 보상을 최대화하여 의사 결정을 최적화합니다. 복잡한 순차적 의사 결정 문제에 유용합니다.
This project provides a Keras-based implementation of Relational Graph Convolutional Networks (R-GCNs). It is designed for semi-supervised node classification on directed…
AI 모델
CompGCN은 Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.
AI 모델에 속하는 뛰어난 것을 알고 있나요?
ToolPotion은 사람들이 최고의 AI 모델를 찾기 위해 탐색하는 AI 도구 디렉토리입니다. 등록은 무료이며 모든 제출물은 편집자가 검토합니다 — 검색이 시작되는 곳에 귀하의 도구를 배치하세요.