多模态、生成和感知模型的综合存储库
## ? 最新消息 - **\[2025.12.08\]** ? 我们提供了[Cosmos-Predict2.5 和 Cosmos-Transfer2.5](./projects/diffusion/cosmos-2.5) 训练和推理代码的重构版本,使代码更加简洁易读,更易于使用。 - **\[2025.11.27\]** ? 我们发布了**[GigaBrain-0](https://github.com/open-gigaai/giga-brain-0)**,一种由世界模型生成的数据支持的新颖的 VLA 基础模型。 - **\[2025.11.26\]** ? 我们发布了**[GigaWorld-0](https://github.com/open-gigaai/giga-world-0)**,一个统一的世界模型框架,明确设计为数据引擎,以推进具体人工智能的发展。 - **\[2025.10.29\]** ? 我们提供了 [Pi0 和 Pi0.5](https://github.com/Physical-Intelligence/openpi) 的干净 [PyTorch 复制品](./projects/vla/pi0)。它支持端到端的训练和推理,具有更好的性能和轻量级部署。 - **\[2025.10.29\]** ? 我们发布了**GigaModels**。 ## ✨ 简介 GigaModels 是一个开源项目,为各种模型提供直观、高性能的基础架构。这个全面的工具包为用户提供了整个工作流程的支持,从训练和推理到部署和模型压缩。 我们致力于不断集成开源技术的最新进展。令人兴奋的更新和创新功能始终在眼前——敬请期待! ## ⚡ 安装 GigaModels 可以直接从源安装以获得最新更新: ````bash conda 创建-n giga_models python=3.11.10 conda 激活 giga_models git 克隆 https://github.com/open-gigaai/giga-models.git CD 千兆型号 pip3 安装 -e 。 ```` ## ? 快速入门 GigaModels 的设计非常易于使用。您可以使用“load_pipeline”或“XXPipeline”轻松加载和使用模型。 以下是如何使用的示例: ````蟒蛇 # 使用 load_pipeline 加载 Grounding DINO 模型 从 PIL 导入图像 从 giga_models 导入 load_pipeline 图像 = Image.open(图像路径) 管道 = load_pipeline('检测/grounding_dino/swint_ogc') pred_boxes、pred_labels、pred_scores = 管道(图像、det_labels) # 使用 DepthAnythingPipeline 加载 Depth Anything 模型 从 giga_models 导入 DepthAnythingPipeline 管道 = DepthAnythingPipeline('深度-任意/深度-任意-V2-大-hf').to('cuda') 深度图像 = 管道(图像) ```` 有关使用 GigaModels 的更多详细信息可以在 [`projects`](./projects) 文件夹中找到。 ## ? 任务和管道 <表>
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱
微信扫一扫分享
打开微信扫描二维码