Início Projetos GameFormer
GameFormer
Python

GameFormer

[ICCV 2023 Oral] Modelagem e aprendizado teórico de jogos de previsão e planejamento interativo baseado em Transformer

por MCZhi · GitHub
Estrelas
Forks
Criado
Último commit
Linguagem
autonomous-drivingdeep-neural-networkspredictive-modelingPython
Ver no GitHub
Em palavras simples

Modele e preveja interações para direção autônoma usando técnicas avançadas de IA.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
GameFormer — GitHub preview card
📈 Histórico de estrelas
358357
2026-07-202026-08-31
📈 Acompanhe GameFormer

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

[ICCV 2023 Oral] Modelagem e aprendizado teórico de jogos de previsão e planejamento interativo baseado em Transformer

GameFormer tem 357 estrelas no GitHub. Foi bifurcado 47 vezes. GameFormer é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. Os seus principais temas são: autonomous-driving, deep-neural-networks, predictive-modeling.

Frequently asked questions

O que é GameFormer?

[ICCV 2023 Oral] Modelagem e aprendizado teórico de jogos de previsão e planejamento interativo baseado em Transformer

GameFormer é de código aberto?

GameFormer é um projeto de código aberto.

GameFormer é gratuito?

Sim. GameFormer é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem GameFormer está escrito?

GameFormer é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — GameFormer

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=mczhi-gameformer)](https://olud.ai/project/mczhi-gameformer.html)
Mais opções de badge →
🧬 Partilha ADN com

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.