AI热门开源项目排行(11-20)

11、3D Gaussian Splatting
简介：一个3D Gaussian Splatting算法的原始参考实现，用于实时辐射场渲染，能处理大规模数据且保持高性能。该项目由法国国家信息与自动化研究所GraphDeco团队开发，旨在通过高斯滤波优化图形渲染，提高实时渲染的质量和速度。
地址：github.com/graphdeco-inria/gaussian-splatting

12、DINOv2
简介：DINOv2是一个通过自监督方式学习强大视觉特征的框架，该项目提供了预训练模型和训练代码，可以应用于包括图像分类、深度估计和语义分割等多种视觉任务。特色之一是提供了支持寄存器的DINOv2版本，寄存器增强了变换器模型的能力。
地址：github.com/facebookresearch/dinov2

13、OpenLLaMA
简介：OpenLLaMA是Meta AI的LLaMA 7B的一个开源复现项目，使用RedPajama数据集进行训练，拥有宽松的许可证。项目旨在提供一个与LLaMA 7B模型相似的开源版本，供研究者和开发者基于此进行学术研究或进一步的开发。
地址：github.com/openlm-research/open_llama

14、Mamba
简介：Mamba是一个线性时间序列建模工具，采用选择性状态空间模型，特别适合处理密集型信息数据，如语言建模等。它基于结构化状态空间模型的进展，具有高效的硬件感知设计，实现参考了FlashAttention的思想。Mamba在信息密集型数据上表现出色，这在之前的次二次模型中是难以达到的。
地址：github.com/state-spaces/mamba

15、AnimateDiff
简介：AnimateDiff是一个专注于动态图像合成的官方实现库，特点是利用差分方法生成有生命力的动画效果，适用于将静态图像转换为动态图像，增加视觉效果的丰富性和吸引力，尤其适合内容创作者和动画师使用。
地址：github.com/guoyww/AnimateDiff

16、AutoGen
简介：AutoGen是由微软开发的基于多智能体的大规模语言模型应用开发框架，提供了一套工具和框架以简化和加速基于大型语言模型的应用开发和部署。
地址：github.com/microsoft/autogen

17、ollama
简介：ollama项目提供了一套工具和指南，帮助用户在本地环境中快速启动和运行Llama 2及其他大型语言模型。项目旨在简化模型部署的复杂性，使研究人员和开发者能更容易地在本地环境中进行语言模型的实验和开发。
地址：github.com/jmorganca/ollama

18、The Practical Guides for Large Language Models
简介：LLMs Practical Guide是一个精心整理的大型语言模型(LLM)实用指南资源列表，包括LLM Tree、示例和论文。这个项目旨在为研究者和开发者提供关于大型语言模型的实践资源，比如使用方法、最佳实践和相关研究论文，助力于理解和运用大型语言模型。
地址：github.com/Mooler0410/LLMsPracticalGuide

19、FastSAM
简介：致力于实现快速的场景分割功能，利用了深度学习技术，能够有效地将图像中的各个部分分割开来，适用于各种场景和不同的物体。
地址：github.com/CASIA-IVA-Lab/FastSAM

20、Language Model Evaluation Harness
简介：一个用于自回归语言模型少样本评估的框架，该项目提供了一套工具和标准化测试，以评估语言模型在多种任务上的性能，例如文本分类、生成和问答等，旨在为研究者提供一种简单而统一的方式来测试和比较模型。
地址：github.com/EleutherAI/lm-evaluation-harness

more:
TOP1-10 人工智能 开源