PSRben/VisionHOPE
Official PyTorch implementation of VisionHOPE: Visual Backbones as Self-Modifying Learning Systems.
О проекте
PyTorch-реализация VisionHOPE — визуального бэкбона на основе self-referential nested learning (SRNL) для классификации, детекции и сегментации изображений.
Чем пригодится
- Запустить классификацию ImageNet-1K с предобученным чекпоинтом visionhope_small
- Обучить детекцию и instance segmentation на COCO с бэкбоном VisionHOPE
- Встроить модуль SRNL или VisionHOPEBlock в собственную архитектуру
Пересказ README моделью DeepSeek V4.1 Flash. Может ошибаться в деталях.
Почему он в тренде
- Сегодня уже 44 звезды, к концу дня ожидается около 52.
- Всплеск держится 2 дня подряд — это не случайный выброс.
- Репозиторию 3 дня, а у него уже 118 звёзд. Истории меньше двух недель, так что обычного темпа, с которым можно сравнить всплеск, у него ещё нет.
- Топ новых репозиториев за неделю: #134.
Звёзды по дням
Столбики — звёзды за день, линия — обычный темп. Красным — дни всплесков.
Цифры
- Всего звёзд
- 118
- Сегодня
- 44 · к вечеру ≈ 52
- Форков
- 2
- Issues и pull requests
- 3
- Наблюдателей
- 1
- Язык
- Python
- Лицензия
- MIT
- Последний релиз
- weights-v1 · 29 сентября 2026
- Создан
- 27 сентября 2026
- Последний коммит
- 30 сентября 2026
Доверие к звёздам
Рост выглядит естественно: форков и обсуждений столько, сколько бывает у живых проектов, а звёзды приходят неровно, как от людей.
Это эвристики, а не приговор: судим по поведению репозитория, а не по списку звездивших.
Где замечен
- 30 сентября 2026Топ новых репозиториев за неделю: #134
Ещё в этой категории
-
8,0
VectifyAI/PageIndex
Движок RAG без векторной базы: строит иерархический древовидный индекс документа и ищет по нему рассуждениями LLM, как человек по оглавлению. Для длинных профессиональных PDF — финансовых, юридических, технических.
-
7,8
Niko1221/Strata
Локальный движок инференса на C++, запускающий 125B MoE-модель Qwen3.8-Flash-Next на обычном ПК с одной NVIDIA GPU (12–24 ГБ) и 64 ГБ RAM, с OpenAI/Anthropic-совместимым API на localhost.
-
7,3
firelex/jeff
Небольшие дообученные модели Qwen3.5 и Gemma 4 для zero-shot классификации: по описанию ситуации и списку вариантов возвращают калиброванную вероятность для каждого варианта за один forward pass.
-
7,0
ninjahawk/livenerf
Бенчмарк для отслеживания деградации frontier-моделей после релиза: ежедневно прогоняет фиксированный набор вопросов и статистически измеряет дрейф точности и токенов относительно базовой недели запуска.
-
6,9
PostHog/jeeves
Jeeves — это reasoning-модель на базе Qwen3.5-9B (LoRA + pointer head), обученная через SFT и CISPO, которая перед ответом рассуждает и выдаёт калиброванные вероятности для yes/no, multiple-choice и rating вопросов…
-
6,3
deepseek-ai/DeepGEMM-Ascend
Порт библиотеки DeepGEMM на платформу Huawei Ascend: набор GEMM-ядер (BF16, FP8, FP4, MQA logits, MegaMoE) с API, совместимым с DeepGEMM, для достижения пиковой производительности NPU.