#generative-models Repository
Scopri 88 repository GitHub open source attivi contrassegnati con #generative-models, che raccolgono un totale di 226,430 stelle (con una media di 2,573 stelle per progetto). Il progetto leader di questo argomento è XingangPan/DragGAN, con 36,005 stelle.
88 repository in totale
Audiocraft è una libreria per l'elaborazione e la generazione audio con deep learning. Include il compressore/tokenizer audio all'avanguardia EnCodec, insieme a MusicGen, un LM semplice e controllabile per la generazione musicale con condizionamento testuale e melodico.
Questo repository contiene implementazioni e codice illustrativo per accompagnare le pubblicazioni di DeepMind.
Una libreria PyTorch per l'implementazione di algoritmi di flow matching, con implementazioni di flow matching continue e discrete. Include esempi pratici per le modalità testuali e di immagine.
OmniGen2: Esplorazione verso la Generazione Multimodale Avanzata. https://arxiv.org/abs/2506.18871
[CVPR2025 Highlight] Modelli Fondamentali per la Generazione di Video: https://saiyan-world.github.io/goku/
Un elenco curato di risorse sulle rappresentazioni neurali implicite.
Cose fantastiche sugli agenti basati su LLM. Paper / Repos / Blog / ...
Modelli di diffusione nell'imaging medico (pubblicato nel Medical Image Analysis Journal)
Implementazione PyTorch per la modellazione generativa basata su punteggio attraverso equazioni differenziali stocastiche (ICLR 2021, orale)
Implementazione in PyTorch di vari metodi per l'apprendimento continuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in tre scenari diversi.
Ricostruzione accurata del volto 3D con apprendimento debolmente supervisionato: Da immagine singola a set di immagini (CVPRW 2019). Un'implementazione PyTorch.
Personalizza il Segment Anything Model (SAM) con 1 shot in 10 secondi
[TPAMI 2025] ViewCrafter: Domare i modelli di diffusione video per la sintesi di viste nuove ad alta fedeltà
[CVPR 2025 Highlight] Modello di Diffusione Tronca per la Guida Autonoma End-to-End in Tempo Reale
Questo repository è l'implementazione ufficiale di Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Implementazioni minimali e annotate delle idee chiave della moderna ricerca sul deep learning.
Implementazione ufficiale di PyTorch di "SiT: Esplorazione di modelli generativi basati su flusso e diffusione con trasformatori interpolanti scalabili"
utilità per decodificare rappresentazioni profonde (come embedding di frasi) nuovamente in testo
Apprendimento di rappresentazioni profonde delle distribuzioni di dati
AutoVC: Trasferimento di stile vocale zero-shot con solo perdita dell'autoencoder
GigaModels: Un repository e una piattaforma completa per modelli multimodali, generativi e percettivi
Repository centrale per modelli fondamentali biomolecolari con addestratori e componenti pipeline condivisi
Set Molecolari (MOSES): Una Piattaforma di Benchmark per Modelli di Generazione Molecolare
Codice di inferenza per l'emulazione scalabile di insiemi di equilibrio proteico con deep learning generativo
Introduciamo un nuovo approccio per la generazione di parametri, chiamato diffusione di parametri di reti neurali (p-diff), che impiega un modello di diffusione latente standard per sintetizzare un nuovo set di parametri.
Implementazione ufficiale di "Lotus: Modello di base visivo basato su diffusione per previsioni dense di alta qualità"
Domande frequenti
Qual è il repository #generative-models più popolare su GitHub?
Il progetto open source #generative-models più alto in classifica su GitHub è XingangPan/DragGAN, con 36,005 stelle. Codice Ufficiale per DragGAN (SIGGRAPH 2023)
Quali linguaggi di programmazione sono più utilizzati nei repository #generative-models?
Tra i progetti #generative-models più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, TypeScript.
Come viene calcolata la classifica dei repository #generative-models?
Monitoriamo 88 repository open source attivi contrassegnati con #generative-models (500+ stelle), per un totale di 226,430 stelle e una media di 2,573 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.