deep-learning 第 10 页
本站收录 815 个带「deep-learning」标签的 AI 开源项目（按 GitHub 星标从高到低，第 10 / 17 页）
OTAvatarOTAvatar 是一个基于 CVPR2023 论文的一次性说话人脸头像生成框架，核心目标是用单张静态人脸照片即可驱动生成可说话的 3D 头像。它通过可控的三平★ 325
e4t-diffusione4t-diffusion 是论文《Encoder-based Domain Tuning for Fast Personalization of Text-t★ 323
stable-diffusion-colabstable-diffusion-colab 是一个基于 Google Colab 的 Jupyter Notebook 项目，专门用于运行 Stable Di★ 323
CLIPACLIPA是NeurIPS 2023论文的官方开源实现，核心发现是CLIP训练中存在逆缩放定律，即模型容量与数据规模可以按比例缩减而不损失性能。项目提供了高效训★ 323
Multimodal-Recommendation-LibraryMultimodal-Recommendation-Library 是一个面向多模态推荐研究的 Python 开源库，持续收录并整理图像、文本等多媒体信息与用户★ 319
AI-Engineering-LabAI-Engineering-Lab 是一套免费、自定进度的 24 周 AI 工程课程，由 Zorost Intelligence AI Lab 开源，采用 M★ 318
clearml-agentClearML Agent 是 ClearML 平台的核心调度与编排组件，负责执行远程任务、管理队列并调度 GPU 等计算资源。它解决了 MLOps/LLMOp★ 314
MinImagenMinImagen 是一个极简实现的 Imagen 文本到图像生成模型，基于 PyTorch 构建。它旨在用最少的代码复现 Google Imagen 的核心架★ 312
SDGymSDGym 是一个用于基准测试合成数据生成方法的开源工具，由 SDV 团队开发。它解决了如何公平、系统地评估不同合成数据生成算法性能的问题。SDGym 提供了一★ 312
hi-mlHI-ML 是一个面向医学影像深度学习与 Azure 云集成的工具箱，由微软健康智能团队开发。它旨在解决医学影像分析中模型训练、实验管理和云部署的复杂性问题，提★ 311
NeuralDialog-CVAENeuralDialog-CVAE 是卡内基梅隆大学赵天成等人发布的对话生成模型开源实现，对应 ACL 2017 论文。它基于条件变分自编码器（CVAE），将知★ 310
HumanSDHumanSD 是 ICCV 2023 的官方实现，提出了一种原生骨架引导的扩散模型，用于人体图像生成。它解决了现有文本到图像模型在人体姿态控制上不精确、容易产★ 304
wavegradWaveGrad 是一个基于分数匹配的快速高质量神经声码器，由 Google Research 提出，用于从梅尔频谱图生成原始音频波形。它解决了传统神经声码器（★ 299
Awesome-Foundation-Models-for-Weather-and-Climate这是一个关于天气与气候基础模型的综合资源列表，收录了近年来基于深度学习的基础模型在气象和气候数据理解方面的研究进展。项目系统梳理了相关模型、数据集、基准测试和论★ 299
InterpAny-ClearerInterpAny-Clearer 是一个基于深度学习的视频帧插值（Video Frame Interpolation）与图像操作工具，专注于生成更清晰、更自然★ 296
open-genieopen-genie 是 DeepMind 论文《Genie: Generative Interactive Environments》的非官方 PyTorch★ 296
Brain-Tumor-Segmentation这是一个基于U-Net架构的脑肿瘤图像分割项目，使用PyTorch实现，旨在从医学影像中自动分割脑肿瘤区域。项目解决了脑肿瘤诊断中手动标注耗时且主观性强的问题，★ 295
x-unetx-unet 是一个基于 PyTorch 的 U-Net 图像生成与分割实现，旨在整合高效的注意力机制和最新的研究成果。它解决了传统 U-Net 在长距离依赖建★ 294
gcdGCD（Generative Camera Dolly）是ECCV 2024 Oral的官方实现，专注于极端单目动态新视角合成。它解决的是从单个移动摄像头拍摄的★ 294
HunyuanPortraitLCMHunyuanPortraitLCM 是腾讯混元团队开源的肖像动画生成框架，对应 CVPR 2025 论文。它解决传统肖像动画中条件控制不精确、生成速度慢的问题★ 293
modular-diffusionmodular-diffusion 是一个基于 PyTorch 的模块化扩散模型设计与训练库。它旨在解决扩散模型研究中的代码复用和灵活定制问题，提供高度解耦的组★ 292
Titans---Learning-to-Memorize-at-Test-TimeTitans 是一个面向 Titans 架构（arXiv:2501.00663）的多智能体演示平台，Titans 是一种能在测试时学习记忆的神经网络，旨在解决传★ 291
ai-hardware-engineer-roadmap这是一个面向 AI 硬件工程师的学习路线图开源项目，用 HTML 页面组织内容，目标是把 AI 推理、AI Agent 编排系统和硬件工程三条线串起来，最终能独★ 291
joliGENjoliGEN 是一个基于 PyTorch 的生成式 AI 图像与视频工具集，融合了 GAN 和扩散模型，专注于解决真实世界中的图像生成与编辑问题。它提供图像到★ 290
aituneNVIDIA AITune 是英伟达推出的推理调优工具包，面向深度学习模型在 NVIDIA GPU 上的部署与性能优化。它要解决的问题是：同一个模型在不同 GP★ 289
Awesome-Trajectory-ComputingAwesome-Trajectory-Computing 是一个专注于轨迹数据管理与挖掘的精选资源列表，汇集了深度学习、大语言模型（LLM）和基础模型（FM）在★ 288
univnetUnivNet是一个基于GAN的神经网络声码器，用于从声学特征（如梅尔频谱）合成高质量语音波形。它由韩国团队提出，论文发表于2021年，本仓库是其非官方PyTo★ 287
DeepLearningMusicGenerationDeepLearningMusicGeneration 是一个专注于深度学习音乐生成领域的开源项目，旨在汇总和展示当前最先进的音乐生成技术与研究成果。它解决了音★ 287
100-AI-Machine-Learning-Deep-Learnin-Projects这是一个汇集了100个人工智能、机器学习和深度学习项目的精选仓库，覆盖计算机视觉、自然语言处理等多个方向。它主要解决学习者在寻找练手项目时资源零散、质量参差不齐★ 284
language-plannerlanguage-planner 是论文《Language Models as Zero-Shot Planners》的官方代码，旨在利用大型语言模型（LLM）★ 282
Story2BoardStory2Board 是一个无需训练的漫画分镜生成工具，基于扩散模型实现。它解决的是从长文本故事自动生成连贯、富有表现力的分镜序列的问题。核心能力包括：通过文★ 281
fineganFineGAN 是一个基于生成对抗网络（GAN）的细粒度图像生成与发现工具，由 IBM 研究院开发。它通过无监督的分层解耦学习，将图像生成过程分解为背景、父类别★ 281
lumiere-pytorchlumiere-pytorch 是 Google DeepMind 提出的 Lumiere 文本生成视频模型的开源 PyTorch 实现。Lumiere 是一种★ 281
FluidFramesFluidFrames 是一个基于深度学习的视频补帧应用，通过帧插值技术把低帧率视频提升到高帧率，让画面更流畅。它支持 NVIDIA、AMD、Intel 显卡以★ 281
MLX-LoRA-StudioMLX-LoRA-Studio 是一款原生 macOS 应用，让用户在 Apple Silicon 芯片的 Mac 上直接完成大语言模型的 LoRA 微调，全程★ 279
spear-tts-pytorchSpear-TTS-PyTorch 是一个基于 PyTorch 实现的多说话人文本转语音（TTS）注意力网络的开源项目。它复现了 Spear-TTS 模型，旨在★ 278
diffusers-interpretDiffusers-Interpret 是一个面向 Hugging Face Diffusers 模型的可解释性工具库，旨在帮助开发者和研究者理解扩散模型生成图★ 277
papernotepapernote 是一个面向论文阅读与笔记管理的开源工具，旨在帮助研究人员和开发者高效整理 arXiv 论文的个人注释、简介和代码链接。它解决了论文阅读过程中★ 275
autumn-recruitmentautumn-recruitment 是一个面向秋招求职者的算法与 AI 学习共建仓库，以 Jupyter Notebook 为主要载体。它试图解决传统刷题资料★ 274
evostraevostra 是一个用 Python 实现的快速进化策略（Evolution Strategy, ES）库。它解决了传统进化算法实现复杂、运行慢的问题，提供简★ 271
TheChosenOneTheChosenOne 是论文《The Chosen One: Consistent Characters in Text-to-Image Diffusio★ 270
Awesome_MambaAwesome_Mamba 是一个关于状态空间模型（State Space Models, SSMs）在医学图像分析中应用的综合性综述项目，聚焦于计算高效时代的★ 270
ttslearnttslearn 是一个面向 Python 学习者的语音合成（Text-to-Speech）教学库，由日本学者开发，配套书籍《Pythonで学ぶ音声合成》使用。★ 269
soltsolt 是一个专注于轻量级数据变换的流式处理库，主要面向深度学习和计算机视觉任务，如图像识别、图像分割和关键点检测。它解决了在数据增强过程中因变换操作繁琐、性★ 268
VLM-AutoYOLOVLM-AutoYOLO 是一个面向目标检测的端到端自动标注与 YOLO 训练平台。它想解决的问题是：做目标检测时，人工画框标注图片和视频极其耗时，且标注完还要★ 267
LIHQLIHQ 是一个用于生成高质量 AI 虚拟主播/数字人视频的开源项目，核心目标是实现长文本推理下的高质量合成说话人效果。它结合了深度学习、文本转语音和数字人技术★ 265
Data-Engineering-RoadmapData-Engineering-Roadmap 是一个面向数据工程师的学习路线图项目，旨在帮助初学者和进阶者系统掌握数据工程领域的核心知识与技能。它解决了数据★ 265
DeepLIIFDeepLIIF 是一个基于深度学习的多重免疫荧光图像分析工具，专注于免疫组化（IHC）图像的定量分析。它解决了病理学中传统人工定量分析主观性强、效率低、难以标★ 264
modern-llm-notebook这是一个从零开始构建现代大语言模型的实战课程，基于 PyTorch 和 Jupyter Notebook 实现。项目包含 26 个可运行的 Notebook，覆★ 263
HiFTNetHiFTNet 是一个基于神经网络的声码器（vocoder），用于将声学特征（如梅尔频谱）快速合成为高质量语音波形。它针对传统神经声码器推理速度慢的问题，提出结★ 262