foundation-models 第 5 页
本站收录 274 个带「foundation-models」标签的 AI 开源项目（按 GitHub 星标从高到低，第 5 / 6 页）
DPSDADPSDA 是一个专注于差分隐私（DP）合成数据生成的开源项目，核心思想是“私有进化”（Private Evolution），旨在在不训练生成模型（如 GAN ★ 118
STU-NetSTU-Net 是一个基于大规模预训练的医学图像分割模型，参数量达 14 亿，是目前已知最大的医学分割模型。它利用超过 10 万个标注的公开数据集进行训练，旨在★ 117
MAMA-MIAMAMA-MIA是一个面向乳腺癌诊断研究的多中心动态对比增强磁共振成像（DCE-MRI）公开数据集，包含来自多个医疗中心的影像数据及专家标注的病灶分割结果。该项★ 117
EventGPTEventGPT 是一个面向事件流（event stream）理解的多模态大语言模型框架，源自 CVPR 2025 论文。它解决的是传统视觉模型难以高效处理高时★ 115
get_modelget_model 是一个模块化的多模态跨细胞类型转录调控模型框架。它旨在解决不同细胞类型中基因表达调控机制差异性的建模问题，通过整合多种数据类型（如染色质可及★ 114
UniMedVLUniMedVL 是一个面向医疗领域的统一视觉语言模型，旨在同时处理医学图像的理解与生成任务。它通过“观察-知识-分析”框架，将多模态理解（如图像分类、报告生成★ 111
auto_evalAutoEval 是一个针对通用机器人操作策略的自动化评估框架，源自 CoRL 2025 论文。它解决的是在真实世界中评估机器人操作策略时成本高、流程繁琐、难以★ 108
BlackVIPBlackVIP 是 CVPR 2023 论文的官方实现，专注于黑盒视觉提示（Black-Box Visual Prompting）技术。它解决的是在无法访问模★ 107
VideoGLaMMVideoGLaMM 是一个面向视频像素级视觉定位的大型多模态模型，由南洋理工大学等机构在 CVPR 2025 发表。它解决的是视频中细粒度对象理解与定位问题，★ 106
HLAHLA 是一个官方开源项目，对应论文《HLA: Higher-order Linear Attention》。该项目旨在解决传统线性注意力在建模高阶特征交互时表★ 104
awesome-foundation-model-ros这是一个精选列表，汇集了利用基础模型（如大语言模型、视觉语言模型）的ROS（机器人操作系统）项目。它解决了机器人开发者难以快速找到将AI基础模型集成到ROS系统★ 103
medalignMedAlign 是一个由临床医生生成的指令遵循数据集，专门用于电子病历（EMR）场景。它解决了医疗领域通用大模型缺乏专业临床指令数据、难以准确理解和执行医疗任★ 103
DeepSpotDeepSpot 是一个基于深度学习的开源模型，用于从 H&E 组织病理学图像预测空间转录组。它支持 Visium 的 spot 级别和 Xenium 的单细胞★ 103
Lexicon3DLexicon3D 是一个面向复杂三维场景理解的开源评测框架，发表于 NeurIPS 2024。它系统性地探究了视觉基础模型（如 CLIP、DINOv2 等）在★ 102
EEGMambaEEGMamba 是一个基于 Mamba 架构的脑电信号（EEG）基础模型，发表于 Neural Networks 2025。它利用状态空间模型的高效序列建模能★ 100
EndoDACEndoDAC 是一个面向内窥镜手术场景的自监督深度估计模型，发表于 MICCAI 2024。它解决了基础模型（如 DINOv2）直接应用于内窥镜图像时因域差异★ 97
osamosam 是一个本地运行提示型视觉模型的工具，支持 SAM1、SAM2、SAM3、EfficientSAM、YOLO-World 等模型。它旨在简化这些模型的部★ 96
General-Physics-TransformerGeneral-Physics-Transformer 是一个基于 Transformer 架构的物理系统基础模型，旨在同时学习多种物理系统的动力学规律。它解决★ 96
Awesome-Crack-Detection这是一个关于深度学习裂缝检测的论文列表，系统整理了该领域的核心文献。项目按学习范式（如监督、半监督、无监督）、泛化能力和数据集三个维度对论文进行分类，旨在帮助研★ 95
foundational_fsod这是一个少样本目标检测（FSOD）的开源实现，对应论文《Revisiting Few Shot Object Detection with Vision-Lan★ 92
sulieSulie 是一个面向时间序列预测的开源模型项目，提供对 Sulie 基础模型的访问接口。它旨在解决传统时间序列预测方法在跨领域泛化能力上的不足，通过预训练的基★ 92
TabSTARTabSTAR是一个面向表格数据的开源基础模型，专注于处理包含文本字段的表格数据。它解决了传统表格模型难以有效利用文本信息的问题，通过将文本字段与数值、类别特征★ 92
MM4TSAMM4TSA 是一个专注于多模态时间序列分析（Multi-Modalities for Time Series Analysis）的论文与资源清单项目。它系统整★ 91
DL-Foundation-Models-Weather这是一个关于深度学习与基础模型在天气预报领域应用的综述论文项目，发表于IJCAI'26。项目系统梳理了从传统数值天气预报到基于深度学习、基础模型（如Transf★ 90
FLNKFLNK（Federated Learning with New Knowledge）是一个探索将新知识融入现有联邦学习系统的开源研究项目。它旨在解决联邦学习系★ 88
FoundADFoundAD 是 ICLR 2026 论文《Foundation Visual Encoders Are Secretly Few-Shot Anomaly ★ 88
genrlGenRL 是一个基于多模态基础世界模型的强化学习框架，旨在将自然语言和视频提示转化为具体可执行的动作序列。它通过将语言和视频输入编码为潜在世界模型状态序列，再★ 87
DynamicVisDynamicVis 是一个面向遥感图像理解的高效通用视觉基础模型，基于论文实现。它解决遥感图像中目标多样、尺度差异大、场景复杂等问题，通过动态视觉感知机制提升★ 87
web-llm-assistantweb-llm-assistant 是一个完全运行在浏览器端的人工智能助手项目，基于 TypeScript 开发。它利用 WebLLM 技术将大语言模型直接部署★ 86
Routing-MVMoERouting-MVMoE 是 ICML 2024 论文《MVMoE: Multi-Task Vehicle Routing Solver with Mixtu★ 85
language-conditioned-robot-manipulation-models这是一个基于语言条件控制的机器人操作模型集合，对应论文《Open X-Embodiment: Robotic Learning Datasets and RT-★ 84
universal-medical-image-segmentation这是一个面向医学图像分割的开源项目，旨在提供统一的医学图像分割解决方案。它解决了医学影像分析中不同模态（如CT、MRI、超声等）和不同器官/病灶分割任务碎片化的★ 84
CpGPTCpGPT 是一个针对 DNA 甲基化数据的基础模型，旨在解决表观遗传学研究中数据复杂、样本量小、特征维度高的问题。它利用 Transformer 架构学习 C★ 84
HuBERT-ECGHuBERT-ECG 是一个基于自监督学习的心电信号（ECG）基础模型，旨在为广泛且可扩展的心脏应用提供通用表征。它借鉴了语音处理中的 HuBERT 方法，通过★ 83
turtleturtle 是一个基于 ICML 2024 论文《Let Go of Your Labels with Unsupervised Transfer》的开源实现★ 81
GraphCLIPGraphCLIP 是一个针对文本属性图（Text-Attributed Graphs）的图基础模型官方实现，旨在解决图模型在跨域、跨任务迁移时泛化能力不足的问★ 81
AuroraAurora 是一个面向通用多模态时间序列预测的开源模型，由 ICLR 2026 论文提出。它旨在解决传统时间序列模型难以同时处理数值、文本、图像等多种模态数据★ 80
CoDA-NOCoDA-NO 是一个基于共域注意力神经算子的开源模型，用于解决偏微分方程（PDE）的单物理到多物理自适应问题。它通过引入共域注意力机制，在多个物理场之间建立高★ 79
RPGRPG 是一个基于 KL 正则化策略梯度的强化学习训练框架，源自 ICLR 2026 论文。它旨在解决大语言模型在强化学习微调中策略更新过快、导致奖励黑客和分布★ 78
FetalCLIPFetalCLIP 是一个面向胎儿超声图像分析的视觉-语言基础模型。它利用对比学习将超声图像与对应的临床文本报告对齐，构建跨模态表征，旨在解决胎儿超声图像标注成★ 78
CLOUDSCLOUDS 是 CVPR 2024 收录的官方实现，针对域泛化语义分割任务，提出协作基础模型框架。它解决单一基础模型在未知域（如不同城市、天气、光照）下分割性★ 77
Awesome-Mixture-of-Experts这是一个精选的混合专家（MoE）与混合多模态专家（MoME）资源列表，旨在为研究人员和工程师提供系统化的学习与参考入口。项目本身不包含代码实现，而是以目录形式收★ 75
WinCLIPWinCLIP 是 CVPR 2023 论文《WinCLIP: Zero-/few-shot anomaly classification and segmen★ 75
aif-c01aif-c01 是一个面向 AWS AI Practitioner（AIF-C01）认证考试的开源备考项目，以 Python 为核心语言，提供结构化的学习资料与★ 75
generative-ai-sagemaker-cdk-demo这是一个基于AWS CDK的示例项目，旨在帮助开发者通过基础设施即代码的方式，快速部署Amazon SageMaker JumpStart中的生成式AI模型。它★ 74
RET-CLIPRET-CLIP 是一个视网膜图像基础模型，利用临床诊断报告进行预训练。它解决了视网膜图像分析中标签稀缺和模型泛化能力不足的问题，通过将图像与对应的临床文本报告★ 73
LIMU-BERT_ExperienceLIMU-BERT-X 是一个基于 IMU（惯性测量单元）数据的传感器基础模型，利用 143 万小时的 IMU 数据预训练而成。该项目旨在解决可穿戴设备、运动追★ 73
robustness-foundation-models本项目是NeurIPS 2022教程《基础模型的根基鲁棒性》的官方配套代码库，由亚马逊云科技等机构的研究者维护。它聚焦于大模型（如CLIP、BERT等）在对抗攻★ 72
guidance-for-natural-language-queries-of-relational-databases-on-aws这是一个在AWS上实现关系型数据库自然语言查询（NLQ）的演示项目。它解决了用户需要编写SQL才能从PostgreSQL数据库中获取数据的问题，允许用户用日常语★ 71
TaskMeAnythingTaskMeAnything是一个用于多模态语言模型（如视觉语言模型）的任务生成与模型评估系统，发表于NeurIPS 2024。它解决的核心问题是：传统基准测试★ 71