GitLab

test

MiniCPM-o 2.6是MiniCPM-o 系列的最新、性能最佳模型。总参数量 8B，视觉、语音和多模态流式能力达到了 GPT-4o-202405 级别，是开源社区中模态支持最丰富、性能最佳的模型之一。

该项目在 index-tts 的基础上使用 vllm 库重新实现了 gpt 模型的推理，加速了 index-tts 的推理过程。

An open-source computational fluid dynamics software accelerated by GPU called OpenCFD-SCU for direct numerical simulation of compressible turbulence. 一款使用了GPU加速主要用于可压缩湍流直接数值模拟的开源软件，OpenCFD-SCU。

S3Diff 是一种基于扩散先验的退化引导一步图像超分辨率方法

[ICCV 2025] STAR: Spatial-Temporal Augmentation with Text-to-Video Models for Real-World Video Super-Resolution

image classification by transformer

Segment Anything Model 2 (SAM 2)是一个用于解决图像和视频中可提示视觉分割问题的基础模型。

GPT2 based on PyTorch

该模型用于区分伽马射线暴（GRB）信号与背景噪声，基于深度学习对不同时间窗（如256ms）的光变曲线数据进行二分类。采用ResNet-CBAM卷积神经网络架构，通过注意力机制增强关键时序特征，提升分类准确率。

Wan2.1-T2V-14B 是阿里巴巴通义实验室研发的开源文本到视频（T2V）AI 模型，参数规模达 140 亿，依托扩散 Transformer（DiT）范式与 Wan-VAE 架构，结合 Flow Matching 技术及 T5 文本编码器，可精准解析文本提示并融合视觉信息，高效生成含复杂物体运动、镜头移动与自然动态交互的视频内容。

基于 Ovis-U1，Ovis-Image 是一个 7B 的文本到图像模型，专门针对高质量文本渲染进行了优化，设计用于在严格的计算约束下高效运行。

KamNet是一个基于 PyTorch 的球面卷积神经网络实验项目，用于在球面 MNIST 数据集上进行旋转鲁棒的手写数字分类。它利用 S² 和 SO(3) 群上的等变卷积操作，使模型对三维旋转具有不变性，适用于几何深度学习和非欧数据建模研究。

Ankh是首个通用型蛋白质语言模型，在谷歌的TPU-V4上训练，以极大减少参数，实现了更高的准确率、更便捷的资源获取，从而促进研究创新，并超越了现有最先进性能的模型。

Step3 是一个先进的多模态推理模型，基于混合专家架构构建，拥有 321B 总参数，单token激活38B参数。

DETRs with Hybrid Matching