#latent-diffusion Repositories
Entdecke 29 aktive Open-Source-GitHub-Repositories, die mit #latent-diffusion getaggt sind und insgesamt 94,031 Sterne gesammelt haben (durchschnittlich 3,242 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist invoke-ai/InvokeAI mit 29,135 Sternen.
Insgesamt 29 Repositories
Invoke ist eine führende Kreativplattform, die Bild- und Videogenerierungsmodelle nutzt, damit Fachleute, Künstler und Enthusiasten mithilfe neuester KI-Technologien visuelle Medien generieren und gestalten können. Die Lösung bietet eine branchenführende Anwendungsoberfläche und bildet die Grundlage für mehrere kommerzielle Produkte.
Inferenz von Diffusionsmodellen (SD, Flux, Wan, Qwen Image, Z-Image, Minimax H3, ...) in reinem C/C++
Emote Portrait Alive: Generierung expressiver Porträtvideos mit Audio2Video Diffusion Model unter schwachen Bedingungen
StyleTTS 2: Auf dem Weg zu sprachähnlicher Text-zu-Sprache durch Stil-Diffusion und gegnerisches Training mit großen Sprachmodellen für Sprache
Implementierung von Dreambooth (https://arxiv.org/abs/2208.12242) mittels Textual Inversion (https://arxiv.org/abs/2208.01618) für Stable Diffusion (https://arxiv.org/abs/2112.10752). Tweaks konzentriert auf das Training von Gesichtern, Objekten und Stilen.
SDK für die Interaktion mit stability.ai APIs (z. B. Stable Diffusion Inference)
Di♪♪Rhythm: Blitzschnelle und peinlich einfache End-to-End-Songgenerierung in voller Länge mit latenter Diffusion
Offizielles Repository für die Arbeit "Sparse Representation and Construction for High-Resolution 3D Shapes Modeling".
Die Inpaint Anything-Erweiterung führt Stable Diffusion Inpainting auf einer Browser-Benutzeroberfläche mit Masken von Segment Anything durch.
[IJCV] Show-1: Pixel- und Latent-Diffusionsmodelle für die Text-zu-Video-Generierung heiraten
Dieser Knoten bietet Lippen-Synchronisationsfähigkeiten in ComfyUI unter Verwendung des LatentSync-Modells von ByteDance. Er ermöglicht die Synchronisation von Video-Lippen mit Audio-Eingaben.
[IJCV 2024] LaVie: Hochwertige Videogenerierung mit kaskadierten latenten Diffusionsmodellen
Wenden Sie Diffusionsmodelle mit dem neuen Hugging Face diffusers-Paket an, um Musik anstelle von Bildern zu synthetisieren.
Das offizielle Code-Repository für SongBloom: Kohärente Liedgenerierung durch verschränkte autoregressive Skizzierung und Diffusionsverfeinerung
Training-free Regional Prompting für Diffusion Transformers 🔥
Implementierung von „DreamDiffusion: Generierung hochwertiger Bilder aus Gehirn-EEG-Signalen“
PyTorch-Implementierung von Make-An-Audio (ICML'23) mit einem Text-zu-Audio-Generierungsmodell
Ein verbesserter Wan2.2 Bild-zu-Video-Knoten, der speziell entwickelt wurde, um das Zeitlupenproblem bei 4-Schritt-LoRAs (wie lightx2v) zu beheben.
[CVPR 2024] Code-Veröffentlichung für "InstanceDiffusion: Instanzebenensteuerung für die Bildgenerierung"
Offizieller Code für das ECCV 2024 Paper — One-Shot Diffusion Mimicker zur Generierung handschriftlichen Textes
Artikel und Ressourcen zur steuerbaren Generierung mittels Diffusionsmodellen, einschließlich ControlNet, DreamBooth, IP-Adapter.
Häufig gestellte Fragen
Welches ist das beliebteste #latent-diffusion-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#latent-diffusion-Projekt auf GitHub ist invoke-ai/InvokeAI mit 29,135 Sternen. Invoke ist eine führende Kreativplattform, die Bild- und Videogenerierungsmodelle nutzt, damit Fachleute, Künstler und Enthusiasten mithilfe neuester KI-Technologien visuelle Medien generieren und gestalten können. Die Lösung bietet eine branchenführende Anwendungsoberfläche und bildet die Grundlage für mehrere kommerzielle Produkte.
Welche Programmiersprachen werden in #latent-diffusion-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #latent-diffusion-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #latent-diffusion-Repositories berechnet?
Wir verfolgen 29 aktive Open-Source-Repositories, die mit #latent-diffusion getaggt sind (500+ Sterne), mit insgesamt 94,031 Sternen und durchschnittlich 3,242 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.