#generative-models リポジトリ
リポジトリ合計88件
あなたの personal AI アシスタントとしての Emacs。テキスト生成には ChatGPT や LLaMA などの LLM を、画像生成には DALL-E や Stable Diffusion を使用します。音声の入出力もサポートします。
[ECCV 2024] MOFA-Video: Frozen Image-to-Video Diffusion ModelにおけるGenerative Motion Field Adaptionsによる制御可能な画像アニメーション。
私が自己学習・公開したAIアップスケーリングモデルのすべてです。600種類以上の異なるアップスケーリングモデルを集めて適用した後、私は独自のモデルを訓練する方法を学びました。これらがその結果です。
DreamSim: 合成データを使用した人間の視覚的類似性の新しい次元の学習(NeurIPS 2023 Spotlight)/ / / / 知覚的アライメントはいつビジョン表現に役立つか?(NeurIPS 2024)
これは、私たちの論文「MiniMax-Remover: Taming Bad Noise Helps Video Object Removal」の公式実装です
Genblaze は、ビデオ、オーディオ、画像プロバイダーにわたる生成 AI メディアパイプラインをオーケストレーションするためのオープンソースの Python SDK であり、すべての出力に組み込みの来歴を備えています。
ICASSP 2023-2024 論文:ICASSP 2023-24 会議の影響力がありエキサイティングな研究論文の完全なコレクションです。音響、音声、信号処理の最新の進歩を探求してください。コードが含まれています。オーディオおよび信号処理の進歩をサポートするために、リポジトリにスターを付けてください!
CVPR2023掲載論文「GP-VTON: Towards General Purpose Virtual Try-on via Collaborative Local-Flow Global-Parsing Learning」の公式実装