Отличный список Jittor- JittorLLMs: С появлением ChatGPT большие модели быстро развиваются. В Китае также появилось множество превосходных исследований больших моделей. Однако высокие требования к оборудованию и сложные условия среды делают их недоступными для многих. Компания NonTen и Центр исследований визуальных медиа Инженерно-строительного факультета Тsinghua University разработали библиотеку для инференса больших моделей JittorLLMs, чтобы предоставить поддержку в виде программного обеспечения и оборудования для исследований больших моделей в Китае. [Скриншот](https://cg.cs.tsinghua.edu.cn/jittor/images/download/jittorllms-0. jpg)

• GAN: Библиотека Jittor GAN включает 27 наиболее популярных моделей GAN с 2014 по 2019 год. Эти 27 моделей GAN были цитированы 60 953 раза, что составляет в среднем 2176 цитирований на каждую статью. Скриншот
• Инстанс-сегментация: Библиотека Jittor для инстанс-сегментации включает 6 основных моделей и 11 моделей сегментации, включая такие классические модели, как Mask RCNN, реальные-тайм инстанс-сегментации и сегментацию человеческого тела. Скриншот
• Семантическая сегментация: В настоящее время Jittor поддерживает основные алгоритмы семантической сегментации.Включает три классических основных модели и шесть типичных моделей сегментации. Скриншот
• Точечные облака: Библиотека точечных облаков, выпущенная в рамках Jittor, включает несколько наиболее влиятельных моделей: PointNet, PointNet++, PointCNN, DGCNN и PointConv, поддерживающих классификацию и сегментацию. Скриншот
• Дифференциальное рендеринг: Дифференциальное рендеринг широко используется в трехмерном восстановлении, а также в восстановлении человеческого тела, лица, оценке трехмерных атрибутов и других приложениях. В настоящее время Jrender поддерживает дифференциальное рендеринг поверхности и дифференциальное рендеринг объема. Скриншот
• Дистанционное зондирование: JDet — это библиотека алгоритмов для дистанционного зондирования, основанная на Jittor. В настоящее время JDet предоставляет 4 основных алгоритма для дистанционного зондирования: S2ANet, Gliding, RetinaNet и Faster R-CNN. Другие основные модели будут добавлены постепенно. Скриншот
• Сегментация медицинских изображений: Библиотека алгоритмов для сегментации медицинских изображений, основанная на Jittor. В настоящее время MedicalSeg предоставляет несколько наиболее влиятельных моделей: U-Net, Attention U-Net, DeepMedic и другие. Скриншотcom/Jittor/MedicalImageSegmentation-jittor):com/THU-CVlab/JMedSeg): Библиотека Jittor для медицинского сегментирования (JMedSeg) — задание курса распознавания образов (весна 2021) в Университете Цинхуа. Скриншот
• PCT: Реализация PCT (Point Cloud Transformer) с использованием Jittor. Скриншот
• DeepFaceDrawing: Одна из версий нашей системы реализована с использованием Jittor, и вам потребуется установить Jittor. Мы также предоставим версию в PyTorch. Скриншот
• JittorVis: JittorVis — это открытая библиотека для понимания внутренней работы моделей Jittor с помощью визуализации их графов потока данных. Скриншот
• PraNet: Параллельная обратная сеть с вниманием для сегментации полипов (Parallel Reverse Attention Network for Polyp Segmentation). Скриншот
• DeepFaceEditing: Глубокое редактирование и генерация лиц с контролем геометрии и внешнего вида. Скриншот
• SINet-V2: Обнаружение скрытых объектов (SINet-V2, IEEE TPAMI 2021). Код, использующий Jittor Framework, доступен. Скриншот
• hlagcn: Реализация Jittor для статьи "Hierarchical Layout-Aware Graph Convolutional Network for Unified Aesthetics Assessment". Скриншот
• Jittor-Image-Models: Jittor Image Models — это библиотека для объединения широкого спектра SOTA моделей глубокого обучения в Jittor framework. Скриншот
• LearnJittorBasicIn60Min: Быстрый старт с Jittor (60 минут) Скриншот
• di-fusion-network-jittor: Реализация Jittor архитектуры сети в DI-Fusion: Онлайн неявное 3D重建，使用深度先验。 Скриншот
• Zhusuan: Zhusuan с backend Jittor. Скриншот
• PRS-Net: Этот репозиторий содержит код для PRS-Net: Сеть для обнаружения плоской отражающей симметрии 3D моделей. Скриншот
• PFSegNets: Этот репозиторий содержит реализацию работы CVPR-2021 "PointFlow: Передача семантики через точки для сегментации аэрокосмических изображений" с использованием Jittor. Скриншот
• APDrawingGAN: Мы предоставляем реализации Jittor для нашего устного доклада CVPR 2019 "APDrawingGAN: Генерация художественных портретных рисунков из фотографий лиц с помощью иерархических GAN". [ miniature ](https://cg. cs. tsinghua. edu. cn/jittor/assets/images/APDrawingGAN. png)
• [APDrawingGAN2](https://github. com/yiranran/APDrawingGAN2-Jittor): Мы предоставляем реализации Jittor для нашего доклада TPAMI 2020 "Линии для портретных рисунков лиц из фотографий с помощью GAN на основе глобальной и локальной структуры". [ miniature ](https://cg. cs. tsinghua. edu. cn/jittor/assets/images/APDrawingGAN2. png)
• [CMIC-Retrieval](https://github. com/IGLICT/IBSR_jittor): Код для одиночного изображения 3D формы поиска через кросс-модальное обучение экземпляров и категорий. ICCV 2021. [ miniature ](https://cg. cs. tsinghua. edu. cn/jittor/assets/images/CMIC-Retrieval. png)
• [Unpaired-Portrait-Drawing](https://github. com/yiranran/Unpaired-Portrait-Drawing-Jittor): Мы предоставляем реализации Jittor для нашего доклада CVPR 2020 "Генерация несопоставленных портретных рисунков через асимметричное циклическое отображение". [ miniature ](https://cg. cs. tsinghua. edu. cn/jittor/assets/images/Unpaired-Portrait-Drawing. jpg)
• [Jittor-MLP](https://github. com/liuruiyang98/Jittor-MLP): Несоответствующая реализация MLP-Mixer, gMLP, resMLP, Vision Permutator, S2MLPv2, ConvMLP, ConvMixer в Jittor. [ miniature ](https://cg. cs. tsinghua. edu. cn/jittor/assets/images/white. png)

Исправления:

• " miniature " заменено на "миниатюра".
• "We provide Jittor implementations for our TPAMI 2020 paper" переведено на "Мы предоставляем реализации Jittor для нашего доклада TPAMI 2020".
• "cross-modal instance and category learning" переведено на "кросс-модальное обучение экземпляров и категорий".
• "asymmetric cyclic mapping" переведено на "асимметричное циклическое отображение".
• "non-corresponding" заменено на "несоответствующая".