Le projet DeepPhysX fournit des packages Python permettant aux utilisateurs d'interfacer facilement leurs simulations numériques avec des algorithmes d'apprentissage. Il offre un package Core sans dépendance sur aucun framework de simulation ou d'IA, ainsi que d'autres packages compatibles avec ce Core et un framework de simulation ou d'IA spécifique.

DeepMOT est un projet d'intelligence artificielle spécialisé dans le suivi et la détection d'objets dans des vidéos en temps réel.

FreeStyleGAN est un projet de recherche qui vise à fournir un contrôle précis de la caméra pour la génération de portraits réalistes à partir de quelques images de visages. Il permet l'intégration de réseaux antagonistes génératifs dans des pipelines de rendu 3D standard, ainsi que l'édition de l'expression faciale et de l'éclairage dans les portraits générés.

Projet de recherche en infographie et intelligence artificielle visant à synthétiser des images réalistes de scènes avec des surfaces réfléchissantes à partir d'un ensemble de photos. Utilise une représentation de points neuronaux pour modéliser les catacaustiques et générer des rendus interactifs de haute qualité.

Ce projet est une formation sur la préparation et la visualisation de données pour l'apprentissage automatique. Il contient des notebooks sur le prétraitement de données tabulaires, textuelles, d'images et audio, ainsi que des modules de visualisation.

Bibliothèque COMPRISE pour l'apprentissage supervisé faible de la transcription de la parole en texte (STT). Comprend trois composants : Err2Unk, Weakly Supervised Training basé sur les états de dialogue et Confusion Network basé sur l'apprentissage de modèles de langage (CN2LM).

Ce projet est un dépôt de code source pour la formation "Overview in AI" du 25 mai 2023. Il contient des notebooks Jupyter pour l'apprentissage de réseaux de neurones multi-couches et convolutifs, ainsi que pour le fine-tuning avec Visual Transformer de HuggingFace. Il y a également des slides de présentation et des informations de contact.

Alphapose_v2 est un projet de détection et de suivi de personnes dans des images et des vidéos. Il utilise des algorithmes avancés de vision par ordinateur pour détecter les personnes, estimer leur pose et les suivre dans des séquences vidéo. Le projet est basé sur des bibliothèques open source telles que SciPy, OpenCV, Matplotlib, scikit-learn, TensorFlow, PyTorch et d'autres outils pour offrir des fonctionnalités de pointe en matière de traitement d'images et de vidéos.

Ce projet traite l'analyse de traces logiques, la classification de motifs de richesse, la génération de matrices FAIs et la simplification de graphes. Il vise à aider les utilisateurs à comprendre et à interpréter les données de traces logiques, à distinguer et à classer les motifs de richesse, à générer des matrices FAIs pour représenter les relations entre les fonctions et à simplifier les graphes pour une meilleure visualisation.

CamemBERTa est un modèle de langage français basé sur DeBERTa V3, une version améliorée de DeBERTa V2 qui utilise l'objectif de détection de token remplacé (RTD) pour la pré-entraînement. Ce modèle est le premier implémentation publique de DeBERTa V3 et le premier modèle DeBERTaV3 disponible en dehors de la version originale de Microsoft.