# 無監督學習

這是一個用於零樣本分類任務的transformers模型，可在無需大量標註數據的情況下對文本進行分類。

該模型揭示了Vision Transformer (ViT) 在圖像分割任務中的潛力，通過特定方法將ViT轉化為高效的圖像分割模型。

HVI-CIDNet是一種用於低光照圖像增強的深度學習模型，基於新的HVI色彩空間設計。

ChronoDepth是基於視頻擴散先驗的時序一致視頻深度學習方法，能夠從視頻中學習並預測深度信息。

基於LLaMA-3架構的8B參數未對齊測試版模型，提供多種量化版本以適應不同硬件需求

基於YOLO11n架構訓練的灰度水下魚類檢測模型，採用半無監督學習技術

DUSt3R是一個用於從圖像生成3D幾何模型的深度學習模型，能夠輕鬆實現幾何3D視覺任務。

DUSt3R是一個用於從圖像輕鬆實現幾何3D視覺的模型，能夠從單張或多張圖像重建3D場景。

Depth Anything是一種深度估計模型，利用大規模無標記數據提升性能，適用於單目深度估計任務。

使用DINOv2作為骨幹網絡的DPT框架，用於深度估計任務。

該模型採用DINOv2作為骨幹網絡的DPT框架，專注於深度估計任務。

採用DINOv2作為骨幹網絡的DPT模型，用於深度估計任務。

採用DINOv2作為骨幹網絡的DPT模型，用於深度估計任務。

這是一個基於無監督SimCSE方法的日語句子嵌入模型，專門用於生成高質量的日語句子嵌入表示。

基於Bart-Large架構的摘要模型，專門用於將科研論文內容精準摘要為適合幻燈片展示的形式。

UMT5是基於mC4多語種語料庫預訓練的多語言文本生成模型，支持107種語言，採用UniMax採樣策略優化語言平衡

基於mC4多語種語料庫預訓練的多語言文本生成模型，支持107種語言

基於mC4多語言語料庫預訓練的統一多語言T5模型，覆蓋107種語言

通過自監督調優（SSTuning）訓練的零樣本文本分類模型，基於ALBERT-xxlarge-v2架構，可直接用於情感分析、主題分類等任務而無需微調。

基於sentence-transformers的零樣本文本分類模型，通過隱式訓練實現無需標註數據的文本分類

基於DeBERTa-v3架構的葡萄牙語零樣本分類模型，適用於無需微調即可執行文本分類任務

這是一個基於ConGen框架的多語言句子嵌入模型，可將句子映射到768維向量空間，適用於語義搜索等任務。

這是一個基於RoBERTa架構的泰語句子相似度模型，能夠將句子映射到768維的向量空間，適用於語義搜索等任務。

基於fastText詞向量的實驗性分類模型，支持零樣本分類任務

這是一個基於sentence-transformers的句子嵌入模型，能夠將句子和段落映射到768維的向量空間，適用於句子相似度計算、語義搜索等任務。

基於ConGen的句子嵌入模型，能將句子映射到312維向量空間，適用於語義搜索等任務。

基於facebook/bart-large在CiteSum數據集上微調的文本摘要模型，專門用於生成科學文獻的標題式摘要。

一個基於PyTorch的圖像分類模型，用於檢測圖像中的異常情況。

基於TSDAE（Transformer-based Sequential Denoising Auto-Encoder）訓練的化學領域BERT模型，專注於句子相似度任務

SimeCSE_Vietnamese是基於SimCSE的越南語句嵌入模型，使用PhoBert作為預訓練語言模型，適用於無標註和有標註數據。

基於VoxPopuli語料庫的24.1k無標註英語數據預訓練的Wav2Vec2基礎模型，適用於語音識別任務。

基於OSCAR西班牙語語料從頭訓練的GPT-2模型，支持西班牙語文本生成任務

中文GPT2-distil模型，基於CLUECorpusSmall數據集預訓練，適用於中文文本生成任務

TILDE是一個基於BERT架構的模型，主要用於文本檢索和語言建模任務。

BiMeanVAE 是一個基於變分自編碼器（VAE）的模型，主要用於文本摘要生成任務。

FlauBERT是一個基於大規模法語語料庫訓練的法語BERT模型，由法國國家科學研究中心開發。

SBERT-base-nli-v2 是一個基於變換器的句子嵌入模型，專門用於句子相似度計算和語義搜索任務。

這是一個基於零樣本分類技術的模型，能夠在不進行特定訓練的情況下對文本進行分類。