uCO3D-3D世界中的罕见物体数据库

一个用于LLM数据摄取的命令行工具，支持从GitHub、本地库、arXiv、Sci-Hub论文、YouTube逐字稿及网络文档中抓取数据，并将其保存为文本文件或剪贴板，方便进行LLM的摄取。

Mira (Mini-Sora) 是腾讯 PCG ARC 实验室推出的一个高质量长视频生成项目，旨在迈向类似 Sora 的视频生成技术。

FlatBuffers 是一个跨平台序列化库，旨在最大限度地提高内存效率。它允许我们直接访问序列化数据而无需先对其进行解析/解包，同时仍然具有出色的向前/向后兼容性。

SMPL2AddBiomechanics项目旨在通过生物力学模型实现更为精确的3D数字人类建模，适用于动画、游戏开发以及生物力学研究，提供了一种从皮肤到骨架的全面建模方法。

nanoGPT是一个从零开始构建的深度学习语言模型，旨在复现Karpathy的GPT-2模型。该项目提供了详细的代码与视频讲解，帮助用户深入理解并实现深度学习语言模型，特别适合初学者学习深度学习与自然语言处理。

Railroad-dataset是一个专为铁路应用设计的SLAM（同步定位与地图构建）数据集，包含丰富的定位与建图数据以及检测数据，旨在支持铁路环境相关的研究与开发。数据集中提供了高质量的传感器数据，适用于验证各种SLAM算法，并为研究者和开发者提供了一个可靠的实验平台。

Robust Video Matting (RVM) 是一个基于PyTorch、TensorFlow、TensorFlow.js、ONNX和CoreML的强大视频抠图工具，能够提供高质量的抠图效果，并具备实时处理能力和良好的鲁棒性，适应各种视频条件。

Python 游乐园，旨在通过他人的代码让你学习 Python，而非从语法开始。提供互动性学习环境，允许用户更改或添加代码并进行测试，帮助用户遵循 Python 代码风格指南。

CoreNet 是苹果公司开发的开源深度神经网络工具包，支持训练多种标准和新颖的小型和大型模型。它适用于对象分类、对象检测和语义分割等多种任务，允许研究人员和工程师使用基础模型（如 CLIP 和 LLM）进行高效的深度学习研究。

Segment-Anything NeRF是一个基于NeRF技术的工具，允许用户通过交互方式进行对象分割，并实现高质量的3D重建，支持多种输入格式，提供实时渲染与预览功能。

该项目展示了ChatGPT、生成式AI和大型语言模型（LLM）的演进时间线，提供了对这些技术进展的全面概述。

Ambrosia是一个跨平台的命令行工具，专为优化和处理机器学习所需的文本数据集而设计。它提供多种功能来高效处理数据集，包括去重、过滤和长度检查，并支持基于大语言模型的独特过滤选项psort，旨在提高数据集的质量和使用效率。

一个专注于视觉自回归建模的资源汇总，展示如何让GPT风格的自回归模型在图像生成上超越扩散transformer，适合研究和开发图像生成模型的人员使用。

一个快速生成条形码的小项目，旨在为用户省时，特别是为了帮助我的母亲。

这个开源项目是一个静态网页，通过使用OpenAI API密钥，可以提供与ChatGPT相同的体验。它是一个机器学习项目。

音源分离训练推理WebUI：一个集成了音源分离训练框架和UVR（终极人声消除器）的Web界面，让你能自定义处理流程，轻松安装模型并进行音乐源分离

一种利用自我学习原则的度量学习方法，无需标签。

面向编程的 GPT-4 尝试集，包括自动注释、Python代码到C++代码的自动转换、CLI命令行工具的直接生成等