#generative-model Repository
Scopri 55 repository GitHub open source attivi contrassegnati con #generative-model, che raccolgono un totale di 128,466 stelle (con una media di 2,335 stelle per progetto). Il progetto leader di questo argomento è AliaksandrSiarohin/first-order-model, con 14,979 stelle.
55 repository in totale
Questo repository contiene il codice sorgente per l'articolo First Order Motion Model for Image Animation
Implementazione del Modello Probabilistico di Diffusione Denoising in Pytorch
[NeurIPS 2024 Best Paper Award][GPT batte la diffusione🔥] [Leggi di scala nella generazione visiva📈] Implementazione ufficiale di "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Un codebase *ultra-semplice, facile da usare ma all'avanguardia* per la generazione autoregressiva di immagini!
Collezione di modelli generativi, ad es. GAN, VAE in PyTorch e TensorFlow.
Questo repository è una raccolta curata di collegamenti a vari corsi e risorse sull'intelligenza artificiale (AI)
Implementazione più semplice e funzionante di Stylegan2, rete generativa avversaria all'avanguardia, in PyTorch. Consentendo a tutti di sperimentare il disentanglement.
Un elenco curato di lavori eccezionali nel campo della Modellazione del Mondo (World Modeling), che mira a fungere da risorsa unica per ricercatori, professionisti e appassionati interessati alla Modellazione del Mondo.
[ICLR 2024] Implementazione ufficiale di DreamCraft3D: Generazione 3D gerarchica con priorità di diffusione bootstrappata
[ICLR 2025] Da qualsiasi cosa a mesh come artisti umani. Implementazione ufficiale di "MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers"
Cose fantastiche sugli agenti basati su LLM. Paper / Repos / Blog / ...
😎 Un elenco aggiornato e curato di fantastici documenti, metodi e risorse sull'apprendimento semi-supervisionato.
Implementazione ufficiale del modello RAVE: un Autoencoder Variazionale Audio in Tempo Reale
[NeurIPS 2023] ImageReward: Apprendimento e Valutazione delle Preferenze Umane per la Generazione di Testo-a-Immagine
[CVPR 2025 Oral]Infinity ∞ : Scalare la modellazione autoregressiva bit per bit per la sintesi di immagini ad alta risoluzione
[SIGGRAPH Asia 2026] 4DAnyone: Crea chiunque in 4D a partire da un video monoculare informale
Addestramento di alta qualità gratuito di inpainting per ogni modello di stable diffusion. Supporta ComfyUI
Implementazione PyTorch di MeanFlow e iMF (modellazione generativa a singolo passaggio).
[ICLR 2024 Spotlight] SyncDreamer: Generazione di immagini multivista coerenti da un'unica immagine di vista
Implementazione ufficiale del paper: "FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models"
[ICCV 2025] Da qualsiasi cosa a mesh come artisti umani. Implementazione ufficiale di "MeshAnything V2: Artist-Created Mesh Generation With Adjacent Mesh Tokenization"
L'idea di questa lista è quella di raccogliere dati e algoritmi condivisi intorno ai Modelli Morfabili 3D. Siete invitati a contribuire a questa lista aggiungendo una pull request. La lista originale è nata dal seminario Dagstuhl sui Modelli Morfabili 3D https://www.dagstuhl.de/19102 nel marzo 2019.
[ICLR 2026] Un framework iterativo senza addestramento per la visualizzazione di storie lunghe
[ACM MM 2025] Ditto: Motion-Space Diffusion per la sintesi controllabile in tempo reale di teste parlanti
Implementazione ufficiale per "RIFLEx: Un Pranzo Gratis per l'Estrapolazione della Lunghezza nei Transformer a Diffusione Video" (ICML 2025), UltraViCo (ICLR 2026) e UltraImage
Implementazione ufficiale di "MeshDiffusion: Score-based Generative 3D Mesh Modeling" (ICLR 2023 Spotlight)
CraftsMan: Generazione di Mesh ad alta fedeltà con diffusione nativa 3D e raffinatore geometrico interattivo
[CVPR 2026🔥] 🧑🎨 OmniLottie, un generatore di animazioni vettoriali multimodali open‑source che produce file JSON Lottie.
Fusione di Modelli nei LLMs, MLLMs e oltre: Metodi, Teorie, Applicazioni e Opportunità. ACM Computing Surveys, 2026.
[NeurIPS 2025 Presentazione Orale]Infinity⭐️: Modellazione AutoRegressiva Spazio-Temporale Unificata per la Generazione Visiva
[CVPR 2024] Paint3D: Dipingi qualsiasi cosa 3D con modelli di diffusione di texture senza illuminazione, un modello generativo di texture senza illuminazione incorporata
[ICML 2024] MagicPose (noto anche come MagicDance): Retargeting realistico di pose e espressioni facciali umane con diffusione consapevole dell'identità
[ICCV 2025] Codice ufficiale di DeepMesh: Creazione di mesh artistiche auto-regressive con Reinforcement Learning
[CVPR 2024 Highlight] DistriFusion: Inferenza Parallela Distribuita per Modelli di Diffusione ad Alta Risoluzione
Una libreria per la generazione e la valutazione di dati tabellari sintetici per privacy, equità e aumento dei dati.
Generazione di sequenze proteiche e allineamenti evolutivi tramite modelli di diffusione discreti
[ECCV 2024] Single Image to 3D Textured Mesh in 10 seconds with Convolutional Reconstruction Model.
[TPAMI 2023] SceneDreamer: Generazione di Scene 3D Illimitata da Collezioni di Immagini 2D
Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]
Reimplementazione in PyTorch di "Generating Sentences from a Continuous Space" di Bowman et al. 2015 https://arxiv.org/abs/1511.06349
Domande frequenti
Qual è il repository #generative-model più popolare su GitHub?
Il progetto open source #generative-model più alto in classifica su GitHub è AliaksandrSiarohin/first-order-model, con 14,979 stelle. Questo repository contiene il codice sorgente per l'articolo First Order Motion Model for Image Animation
Quali linguaggi di programmazione sono più utilizzati nei repository #generative-model?
Tra i progetti #generative-model più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, HTML, TypeScript.
Come viene calcolata la classifica dei repository #generative-model?
Monitoriamo 55 repository open source attivi contrassegnati con #generative-model (500+ stelle), per un totale di 128,466 stelle e una media di 2,335 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.