open-gigaai/giga-models

GigaModels – 즉시 실행 가능한 AI 파이프라인 도구상자

무엇인가요 – GigaModels는 수십 가지 사전 학습된 시각, 확산, 다중모달 모델(예: Grounding DINO, Depth Anything, GigaBrain‑0, Pi0, Cosmos‑Predict2.5)을 통일된 load_pipeline API 뒤에 포장하는 오픈소스 파이썬 패키지입니다. 추론과 학습을 모두 지원하며, 즉시 실행 가능한 스크립트를 제공하고, conda + pip를 통해 설치할 수 있습니다.

핵심 아이디어

• 통일된 인터페이스 – 각 모델 유형(예: 깊이 추정, 객체 탐지, 확산 동영상 생성)은 동일한 호출 시그니처(pipeline(input))를 따르는 *Pipeline 클래스로 래핑됩니다.
• 광범위한 커버리지 – 리포지토리는 30개 이상의 파이프라인을 포함하며, 다음을 포함합니다:
  • 시각-언어-행동(VLA) 모델: GigaBrain‑0, Pi0, Pi0.5
  • 동영상 예측/전이용 확산 모델: GigaWorld‑0, Cosmos‑Predict2.5, Cosmos‑Transfer2.5
  • 전통적인 시각 작업: 깊이(Depth Anything, DPT), 탐지(Grounding DINO), 에지 탐지(Canny, HED, Lineart 등), 프레임 보간(Film), 이미지 복원(PromptIR), 키포인트 탐지(OpenPose, RTMPose), 광학 흐름(UniMatch), 세그멘테이션(Grounded SAM 2, Segment Anything, UperNet), 샷 경계 탐지(TransNetV2).
• 추론과 학습 모두 지원 – VLA 및 확산 모델 가족의 경우, README는 별도의 추론 스크립트와 학습 설정 링크를 제공하여 연구자가 모델을 미세 조정할 수 있도록 합니다.
• 모듈식 구조 – 소스 트리는 giga_models/pipelines/<task>/<model>/pipeline_*.py 아래에 있으며, 예제 스크립트와 설정 파일이 포함된 projects/ 폴더도 있습니다.

설치

conda create -n giga_models python=3.11.10
conda activate giga_models
git clone https://github.com/open-gigaai/giga-models.git
cd giga-models
pip install -e .

패키지는 편집 가능한 모드로 설치되어 로컬에서 파이프라인을 수정할 수 있습니다.

빠른 시작 예제

from PIL import Image
from giga_models import load_pipeline

img = Image.open('my_photo.jpg')
# Grounding DINO를 사용한 객체 탐지
pipe = load_pipeline('detection/grounding_dino/swint_ogc')
boxes, labels, scores = pipe(img, ['person', 'car'])

# Depth Anything V2 Large를 사용한 깊이 추정
from giga_models import DepthAnythingPipeline
pipe = DepthAnythingPipeline('depth-anything/Depth-Anything-V2-Large-hf').to('cuda')
depth = pipe(img)

이 패턴은 목록에 있는 모든 파이프라인에서 동일하게 작동합니다.

기여 방법 – 이 프로젝트는 Apache‑2.0 라이선스를 따르며, 풀 리퀘스트를 환영합니다. CONTRIBUTING.md 파일은 코딩 스타일, 테스트 방법, 새로운 파이프라인 추가 방법을 설명합니다.

인용 – GigaModels를 연구에 사용할 경우, README에 표시된 대로 리포지토리를 인용해 주세요.

---

결론 – GigaModels는 각 모델의 반복 코드를 따로 다루지 않고도, 수많은 최신 시각 및 생성 파이프라인을 즉시 실험할 수 있는 진정한 프로덕션 준비 상태의 다중모달 및 지각 기반 AI 모델 컬렉션입니다. 개발자들이 플러그 앤 플레이 방식으로 최신 기술을 실험할 수 있도록 도와줍니다.