# 端到端訓練

該論文提出了一種將Vision Transformer (ViT) 重新解釋為圖像分割模型的方法，展示了ViT在圖像分割任務中的潛力。

該論文提出了一種將Vision Transformer (ViT) 重新解釋為圖像分割模型的方法，揭示了ViT在圖像分割任務中的潛力。

該論文提出了一種基於Vision Transformer (ViT) 的圖像分割模型，揭示了ViT在圖像分割任務中的潛力。

該論文提出了一種將Vision Transformer (ViT) 重新解釋為圖像分割模型的方法，展示了ViT在圖像分割任務中的潛力。

該模型揭示了Vision Transformer (ViT) 在圖像分割任務中的潛力，通過特定架構調整使其適用於分割任務。

該論文提出了一種新的視角，將Vision Transformer (ViT) 視為圖像分割模型，並探討了其在圖像分割任務中的潛力。

該模型基於論文《你的ViT實際上是圖像分割模型》開發，是一種用於圖像分割任務的視覺Transformer模型。

該模型揭示了Vision Transformer (ViT) 在圖像分割任務中的潛力，通過特定架構調整使其適用於分割任務。

該論文提出了一種將Vision Transformer (ViT) 重新解釋為圖像分割模型的方法，展示了ViT在圖像分割任務中的潛力。

該模型通過重新思考Vision Transformer (ViT) 的架構，展示了其在圖像分割任務中的潛力。

這是一個基於DETR架構的目標檢測模型，專門針對國際象棋棋子識別任務進行了微調。

魔術師是首個具備自由形式多圖像定位能力的多模態大語言模型，在複雜多圖像場景中實現精確定位，性能超越70B規模模型。

YOLOv10x 是 YOLO 系列的最新版本，專注於即時端到端目標檢測，提供更高的檢測精度和更快的推理速度。

YOLOv10 是一個即時端到端目標檢測模型，由清華大學團隊開發，基於 YOLO 系列的最新改進版本。

YOLOv10 是一個即時端到端目標檢測模型，由清華大學團隊開發，基於 YOLO 系列的最新改進版本。

YOLOv10是清華大學提出的即時端到端目標檢測模型，具有高效和準確的特點。

YOLOv10是一種即時目標檢測模型，通過消除非極大值抑制（NMS）等後處理步驟，實現了高效且無額外開銷的目標檢測。

從零構建的大語言模型，包含分詞器訓練、模型初始化、預訓練與指令微調全流程開源實現

該DETR模型在SKU110K目標檢測數據集上進行了端到端訓練，查詢數設置為400，適用於商品貨架檢測等場景。

ControlNet v1.1 是一個基於擴散模型的神經網絡結構，用於通過額外條件控制圖像生成，特別適用於圖像修復任務。

基於Mamba架構的3B參數規模的語言模型，支持英文文本生成任務。

基於facebook/detr-resnet-50在圖像文件夾數據集上微調的DETR目標檢測模型

基於nvidia/mit-b0在tontokoton/artery-ultrasound-siit數據集上微調的圖像分割模型

基於Timesformer和BERT架構的視頻字幕生成模型，能夠為視頻內容生成描述性字幕。

EnCodec是由Meta AI開發的即時高保真神經音頻編解碼器，支持多種帶寬配置和流式處理。

EnCodec是由Meta AI開發的高保真即時神經音頻編解碼器，採用端到端訓練方式，支持多種帶寬設置。

基於Donut架構微調的發票信息提取模型，免OCR實現文檔理解

基於facebook/detr-resnet-50微調的OCR模型，用於目標檢測任務

Deformable DETR是基於Transformer架構的目標檢測模型，在LVIS數據集上訓練，支持1203個類別的物體檢測。

使用可變形檢測變換器架構，在包含1203個類別的LVIS數據集上訓練的目標檢測模型

這是一個基於HuggingPics生成的圖像分類模型，主要用於對特定類型（genres）的圖像進行分類。

一個基於HuggingPics生成的圖像分類模型，用於識別圖像中的性別（男性或女性）。

YOLOS是一種使用視覺Transformer（ViT）架構的目標檢測模型，通過DETR損失訓練，在COCO和Matterport氣球數據集上微調。

Re2G是一個結合神經初始檢索和重排序的生成模型，用於知識密集型任務。該問題編碼器是Re2G系統的組成部分，用於將問題編碼為向量以進行檢索。

Re2G是一個結合神經檢索、重排序和生成的端到端系統，用於知識密集型任務。該模型是其NQ（Natural Questions）問題編碼器組件。

基於PyTorch實現的圖像分類模型，能夠識別多種常見物體類別

這是一個基於ESPnet2框架訓練的韓語文本轉語音(TTS)模型，使用KSS數據集訓練，採用JETS架構。

該模型是基於facebook/wav2vec2-base微調的語音識別模型，在TIMIT數據集上取得了0.5635的詞錯誤率。

基於facebook/wav2vec2-base模型在TIMIT數據集上微調的語音識別模型，用於演示目的

基於ESPnet框架和talromur數據集訓練的FastSpeech2文本轉語音模型，支持冰島語語音合成。