📱Warp.

Warp — это Python-фреймворк для написания высокопроизводительного кода для симуляции и графики. Warp берет обычные Python-функции и JIT компилирует их в эффективный код ядра, который может выполняться на CPU или GPU.

Warp разработан для пространственных вычислений и оснащен богатым набором примитивов, которые облегчают написание программ для симуляции физики, восприятия, робототехники и обработки геометрии. Кроме того, ядра Warp являются дифференцируемыми и могут использоваться в рамках машинного обучения с такими фреймворками, как PyTorch и JAX.

#Warp #Python #Simulation #Graphics #HighPerformance #JITCompilation #CPU #GPU #SpatialComputing #PhysicsSimulation #Robotics #GeometryProcessing #MachineLearning #PyTorch #JAX #DevTools #Coding #NVIDIA

📱Ссылка на репозиторий:
https://github.com/NVIDIA/warp

📱Tabled.

Tabled — это небольшая библиотека для обнаружения и извлечения таблиц.

✅Она использует библиотеку surya, чтобы найти все таблицы в PDF-файле, определить строки/столбцы и преобразовать их содержимое в форматы markdown, csv или html.

🔹Использование.

tabled DATA_PATH

🔘DATA_PATH может быть изображением, PDF или папкой с файлами.

🔘--format указывает формат вывода (markdown, html, csv)

🔘--save_json сохранит доп. информацию о строках/столбцах в формате JSON

🔘--detect_cell_boxes извлекает данные ячеек с помощью модели.

#️⃣Hosted API.

Существует хостинговый API для использования Tabled, который доступен для работы с:

🔘PDF.
🔘Изображениями.
🔘Документами Word.
🔘Презентациями PowerPoint.

💡Преимущества:

✅Постоянная скорость работы без задержек.
✅Высокая надёжность и доступность.

#Python #Tabled #AI #DataProcessing #TableRecognition #OpenSource #PyTorch #API

📱Ссылка на репозиторий:
https://github.com/VikParuchuri/tabled

📱TokenSet.

TokenSet – это инновационная модель, которая меняет подход к генерации изображений через множество токенов вместо последовательных кодов.

🔹Ключевые особенности:

🔘Токенизация через множества – представление изображений в виде перестановочно-инвариантных наборов токенов.

🔘Двойное преобразование – обратимое и согласованное отображение множества токенов в фиксированную последовательность целых чисел.

🔘Fixed-Sum Discrete Diffusion (FSDD) – первый дискретный диффузионный метод, который:

✔️моделирует дискретные значения.
✔️сохраняет фиксированную длину последовательности.
✔️поддерживает ограничения суммы.

✅Новый шаг в дискретном генеративном моделировании!

#TokenSet #ImageGeneration #AI #DeepLearning #PyTorch

📱Ссылка на репозиторий:
https://github.com/Gengzigang/TokenSet

📱DeepInverse.

DeepInverse — это открытая библиотека на базе PyTorch для решения обратных задач в области обработки изображений с помощью глубокого обучения.

Библиотека объединяет широкий набор операторов, моделей и алгоритмов, создавая модульную и воспроизводимую среду для исследований и практических экспериментов.

🔹Особенности:

🔘Большой набор предопределённых операторов визуализации.

🔘Современные нейронные сети, включая предобученные модели восстановления и денойзеры.

🔘Гибкая инфраструктура для plug-and-play восстановления, оптимизационных и развёрнутых архитектур.

🔘Поддержка обучающих функций, диффузионных моделей и оценки неопределённости.

🔘Удобные инструменты для создания наборов данных для обратных задач.

🔻Установка:

pip install deepinv
# или с дополнительными зависимостями:
pip install deepinv[dataset,denoisers]

✅DeepInverse — это мощный инструмент для исследователей и инженеров, стремящихся ускорить и упростить разработку решений для задач восстановления изображений с использованием нейросетей.

#DeepInverse #PyTorch #DeepLearning #ComputerVision #ImageRestoration #OpenSource #AI #ResearchTools

📱Ссылка на репозиторий:
https://github.com/deepinv/deepinv

📱Depth Anything 3.

Depth Anything 3 — модель, которая восстанавливает 3D из любых картинок

Представьте модель, которая может понять глубину и форму сцены практически из любых изображений — одного фото, нескольких кадров или даже видео.
Это и делает Depth Anything 3 (DA3).

🔹Главная идея проста:

🔘Обычный Transformer справляется отлично — без сложных архитектур.
🔘Одно универсальное представление глубины заменяет кучу отдельных задач.

Именно поэтому DA3 работает стабильнее и точнее предыдущих моделей — как для одного кадра, так и для нескольких видов.

❓Что умеет DA3:

🔘Глубина по одному фото.

🔘Глубина по нескольким изображениям — кадры «склеиваются» с правильной 3D-геометрией.

🔘Определение позы камеры.

🔘3D Gaussian — красивые новые ракурсы сцены.

🔘Метрическая глубина (модель знает реальный масштаб).

🔘Единая модель под разные задачи.

🔻Почему удобно:

🔘Есть web-интерфейс — загрузил фото и получил 3D.

🔘Есть CLI для автоматизации.

🔘Можно сохранять в glb, ply, depth, npz, 3DGS и другие форматы.

🔘Удобный код для экспериментов и кастомных моделей.

✅Depth Anything 3 — это простой способ получать качественную 3D-информацию из любых изображений.

#depthanything #da3 #3dvision #ai #computerVision #deeplearning #geometry #monocular #multiview #pytorch #opensource

📱Ссылка на репозиторий:
https://github.com/ByteDance-Seed/Depth-Anything-3

📱LingBot-Map.

LingBot-Map — это новая базовая (foundation) 3D-модель прямого распространения, созданная специально для потоковой 3D-реконструкции видео в реальном времени!

💡Если вам нужно превратить длинное видео в детализированное облако точек на лету, то этот инструмент — один из лучших на сегодняшний день. Он превосходит как другие стриминговые методы, так и тяжелые классические подходы на базе итеративной оптимизации.

🔹Главные фишки:

🔘Geometric Context Transformer: Уникальная архитектура, которая в один проход объединяет привязку координат, геометрические подсказки и коррекцию дрейфа на длинных дистанциях (благодаря памяти траекторий и контексту якорей).

🔘Сверхбыстрый инференс: За счет использования Paged KV-кэша (с помощью библиотеки FlashInfer) модель стабильно обрабатывает видео со скоростью ~20 FPS даже на дистанциях свыше 10 000 кадров!

🔘Оконный режим (Windowed Inference): Идеальное решение для обработки гигантских сцен (>3000 кадров) без переполнения памяти видеокарты.

🔘Авто-маскировка неба: Встроенная ONNX-модель автоматически фильтрует небо, чтобы уличные реконструкции выглядели максимально чисто и без артефактов.

🎥Рендеринг и визуализация:

В комплекте идет крутой скрипт для пакетного рендеринга кинематографичных 3D-пролетов. Вы можете задать траекторию камеры (вид сверху, следование за оператором) через YAML-конфиг и сразу получить красивое .mp4 видео вашего облака точек.

🎥Доступные модели:

Веса лежат на Hugging Face и ModelScope. Авторы рекомендуют чекпоинт lingbot-map-long для больших сцен, но есть и сбалансированные варианты. Последние обновления проекта значительно ускорили работу и пофиксили баги с кэшированием ключевых кадров.

#3DReconstruction #MachineLearning #ComputerVision #PyTorch #LingBotMap #AI #OpenSource #DeepLearning

📱Ссылка на репозиторий:
https://github.com/Robbyant/lingbot-map

📱Hydra.

Hydra — это мощный фреймворк для гибкого и элегантного управления конфигурациями сложных приложений.

Если вы работаете в сфере Machine Learning или Deep Learning, вы наверняка сталкивались с кошмаром разрастающихся конфигурационных файлов. Hydra решает эту проблему, позволяя динамически собирать итоговый конфиг из мелких независимых кусочков (композиция) и переопределять любые параметры на лету прямо из командной строки, вообще не трогая код.

🔹Главные фишки и экосистема:

🔘Динамическая композиция: Настройки можно разбивать на логические группы (датасеты, модели, оптимизаторы) и комбинировать их в один клик.

🔘Удобный CLI: Переопределяйте любые глубоко вложенные параметры при запуске скрипта прямо через консоль (например, model.lr=0.001).

🔘Развитая экосистема плагинов:

🔤hydra-zen — генерация динамических конфигураций в чистом Python-стиле.

🔤lightning-hydra-template — готовый и очень популярный шаблон для ML-экспериментов на базе PyTorch Lightning.

🔤hydra-torch — типобезопасные конфигурационные классы для PyTorch.

🔤Плагин распределенного запуска от NVIDIA для масштабного обучения нейросетей.

📦Установка:

🔘Стабильная ветка (Hydra 1.3):

pip install hydra-core --upgrade

🔘Свежая dev-версия (Hydra 1.4 с поддержкой Python 3.10–3.14):

pip install --pre --upgrade hydra-core

✅Фреймворк распространяется под свободной лицензией MIT.

#Python #MachineLearning #DeepLearning #Hydra #PyTorch #DevTools #MLOps #OpenSource

📱Ссылка на репозиторий:
https://github.com/facebookresearch/hydra