#generative-model Dépôts
Découvrez 55 dépôts GitHub open source actifs associés à #generative-model, cumulant 128,466 étoiles au total (soit une moyenne de 2,335 étoiles par projet). Le projet en tête de ce thème est AliaksandrSiarohin/first-order-model, avec 14,979 étoiles.
55 dépôts au total
Ce dépôt contient le code source de l'article First Order Motion Model for Image Animation
Une collection de ressources et d'articles sur les modèles de diffusion
Mise en œuvre du modèle probabiliste de diffusion de débruitage dans Pytorch
[NeurIPS 2024 Best Paper Award][GPT bat la diffusion🔥] [Lois d'échelle dans la génération visuelle📈] Implémentation officielle de "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Une base de code *ultra-simple, conviviale mais à la pointe de la technologie* pour la génération d'images autorégressive !
Collection de modèles génératifs, par ex. GAN, VAE en PyTorch et TensorFlow.
Ce dépôt est une collection organisée de liens vers divers cours et ressources sur l'intelligence artificielle (IA)
Implémentation la plus simple et fonctionnelle de Stylegan2, réseau antagoniste génératif de pointe, en PyTorch. Permettant à chacun de découvrir le disentanglement.
Une liste organisée d'excellents travaux sur la modélisation du monde (World Modeling), visant à servir de ressource unique pour les chercheurs, les praticiens et les passionnés intéressés par ce domaine.
[ICLR 2024] Implémentation officielle de DreamCraft3D : Génération 3D hiérarchique avec priorité de diffusion bootstrapée
[ICLR 2025] De n'importe quoi à la maille comme des artistes humains. Implémentation officielle de "MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers"
Choses géniales sur les agents alimentés par LLM. Papiers / Repos / Blogs / ...
😎 Une liste à jour et organisée d'articles, de méthodes et de ressources géniaux sur l'apprentissage semi-supervisé.
Implémentation officielle du modèle RAVE : un autoencodeur variationnel audio en temps réel
[NeurIPS 2023] ImageReward : Apprentissage et évaluation des préférences humaines pour la génération texte-image
[CVPR 2025 Oral]Infinity ∞ : Mise à l'échelle de la modélisation autorégressive bit à bit pour la synthèse d'images haute résolution
[SIGGRAPH Asia 2026] 4DAnyone : Créez n’importe qui en 4D à partir d’une vidéo monoculaire prise sur le vif
Formation de haute qualité gratuite de remplissage pour chaque modèle de diffusion stable. Prend en charge ComfyUI
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
Métriques de performance haute fidélité pour les modèles génératifs dans PyTorch
[ICLR 2024 Spotlight] SyncDreamer : Génération d'images cohérentes multivues à partir d'une seule image de vue
Implémentation officielle de l'article : « FlowEdit : édition basée sur du texte sans inversion utilisant des modèles de flux pré-entraînés »
[ICCV 2025] De tout à maillage comme les artistes humains. Impl. officielle de "MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization"
L'idée de cette liste est de collecter des données et des algorithmes partagés autour des Modèles Morphables 3D. Vous êtes invités à contribuer à cette liste en ajoutant une pull request. La liste originale est issue du séminaire Dagstuhl sur les Modèles Morphables 3D https://www.dagstuhl.de/19102 en mars 2019.
[ICLR 2026] Un cadre itératif sans entraînement pour la visualisation d'histoires longues
[ACM MM 2025] Ditto : Motion-Space Diffusion pour la synthèse contrôlable en temps réel de têtes parlantes
Tokeniseurs musicaux MIDI / symboliques pour les modèles d'apprentissage profond 🎶
Implémentation officielle pour "RIFLEx : Un repas gratuit pour l'extrapolation de longueur dans les Transformers de diffusion vidéo" (ICML 2025), UltraViCo (ICLR 2026) et UltraImage
Implémentation officielle de "MeshDiffusion: Score-based Generative 3D Mesh Modeling" (ICLR 2023 Spotlight)
CraftsMan : Génération de maillage haute fidélité avec diffusion native 3D et raffineur géométrique interactif
[CVPR 2026🔥] 🧑🎨 OmniLottie, un générateur d'animation vectorielle multimodale open‑source qui produit des fichiers JSON Lottie.
Fusion de Modèles dans les LLMs, MLLMs et au-delà : Méthodes, Théories, Applications et Opportunités. ACM Computing Surveys, 2026.
[NeurIPS 2025 Présentation Orale]Infinity⭐️: Modélisation Autorégressive Espace-Temps Unifiée pour la Génération Visuelle
[CVPR 2024] Paint3D : Peignez n'importe quoi en 3D avec des modèles de diffusion de texture sans éclairage, un modèle génératif de texture sans éclairage cuit
[ICML 2024] MagicPose (également connu sous le nom de MagicDance) : Retargeting réaliste des poses et des expressions faciales humaines avec diffusion consciente de l'identité
[ICCV 2025] Code officiel de DeepMesh : Création de maillage artistique auto-régressive avec apprentissage par renforcement
[CVPR 2024 Highlight] DistriFusion : Inférence Parallèle Distribuée pour les Modèles de Diffusion Haute Résolution
Une bibliothèque pour générer et évaluer des données tabulaires synthétiques pour la confidentialité, l'équité et l'augmentation des données.
Génération de séquences protéiques et d'alignements évolutifs via des modèles de diffusion discrets
[ECCV 2024] Single Image to 3D Textured Mesh in 10 seconds with Convolutional Reconstruction Model.
Une bibliothèque pour modéliser des données multivariées en utilisant des copules.
[TPAMI 2023] SceneDreamer : Génération de Scènes 3D Illimitées à partir de Collections d'Images 2D
Implémentation officielle pour "Blended Latent Diffusion" [SIGGRAPH 2023]
Réimplémentation en PyTorch de "Generating Sentences from a Continuous Space" par Bowman et al. 2015 https://arxiv.org/abs/1511.06349
Foire aux questions
Quel est le dépôt #generative-model le plus populaire sur GitHub ?
Le projet #generative-model open source le mieux classé sur GitHub est AliaksandrSiarohin/first-order-model, avec 14,979 étoiles. Ce dépôt contient le code source de l'article First Order Motion Model for Image Animation
Quels langages de programmation sont les plus utilisés dans les dépôts #generative-model ?
Parmi les projets #generative-model les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, TypeScript.
Comment le classement des dépôts #generative-model est-il calculé ?
Nous suivons 55 dépôts open source actifs associés à #generative-model (500+ étoiles), totalisant 128,466 étoiles, avec une moyenne de 2,335 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.