#generative-models Репозитории
Откройте для себя 88 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #generative-models, с общим числом 226,430 звёзд (в среднем 2,573 на проект). Лидером этой темы является XingangPan/DragGAN, набравший 36,005 звёзд.
Всего репозиториев: 88
Audiocraft — это библиотека для обработки и генерации звука с использованием глубокого обучения. Она включает в себя ультрасовременный аудиокомпрессор/токенизатор EnCodec, а также MusicGen — простую и управляемую модель языка для генерации музыки с текстовым и мелодическим обусловливанием.
Этот репозиторий содержит реализации и иллюстративный код для сопровождения публикаций DeepMind.
Библиотека PyTorch для реализации алгоритмов сопоставления потоков, включающая реализации непрерывного и дискретного сопоставления потоков. Она содержит практические примеры для текстовых и графических модальностей.
OmniGen2: Исследование в области продвинутой мультимодальной генерации. https://arxiv.org/abs/2506.18871
[CVPR2025 Highlight] Фундаментальные модели генерации видео: https://saiyan-world.github.io/goku/
Курируемый список ресурсов по неявным нейронным представлениям.
Потрясающие вещи об агентах на базе LLM. Статьи / Репозитории / Блоги / ...
Диффузионные модели в медицинской визуализации (Опубликовано в журнале Medical Image Analysis)
Реализация PyTorch для вероятностного моделирования на основе оценок с помощью стохастических дифференциальных уравнений (ICLR 2021, устный доклад)
Реализация на PyTorch различных методов для непрерывного обучения (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) в трех различных сценариях.
Точная 3D-реконструкция лиц со слабоконтролируемым обучением: От одного изображения к набору изображений (CVPRW 2019). Реализация на PyTorch.
Персонализируйте модель Segment Anything (SAM) за 1 выстрел за 10 секунд
[TPAMI 2025] ViewCrafter: Обуздание видео диффузионных моделей для высокоточной синтетической генерации новых ракурсов
[CVPR 2025 Highlight] Усечённая модель диффузии для сквозного автономного вождения в реальном времени
Этот репозиторий является официальной реализацией работы Disentangling Writer and Character Styles for Handwriting Generation (CVPR 2023)
Минимальные и аннотированные реализации ключевых идей современных исследований в области глубокого обучения.
Официальная реализация PyTorch "SiT: Исследование потоковых и диффузионных генеративных моделей с масштабируемыми интерполяционными трансформерами"
утилиты для декодирования глубоких представлений (таких как вложения предложений) обратно в текст
Изучение глубоких представлений распределений данных
GigaModels: Комплексное хранилище и платформа для мультимодальных, генеративных и перцептивных моделей
Центральное хранилище для биомолекулярных базовых моделей с общими тренерами и компонентами конвейера
Молекулярные наборы (MOSES): Платформа для бенчмаркинга моделей генерации молекул
Код вывода для масштабируемой эмуляции ансамблей белковых равновесий с использованием генеративного глубокого обучения
Мы представляем новый подход к генерации параметров, названный диффузией параметров нейронных сетей (p-diff), который использует стандартную модель латентной диффузии для синтеза нового набора параметров.
Официальная реализация «Lotus: Диффузионная визуальная базовая модель для высококачественного плотного предсказания»
Часто задаваемые вопросы
Какой репозиторий по теме #generative-models наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #generative-models на GitHub — XingangPan/DragGAN, набравший 36,005 звёзд. Официальный код для DragGAN (SIGGRAPH 2023)
Какие языки программирования чаще всего используются в репозиториях по теме #generative-models?
Среди наиболее высоко оценённых проектов по теме #generative-models на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #generative-models?
Мы отслеживаем 88 активных репозиториев с открытым исходным кодом, отмеченных тегом #generative-models (500 и более звёзд), с общим числом 226,430 звёзд и в среднем 2,573 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.