[NeurIPS 2024 Best Paper Award][GPT schlägt Diffusion🔥] [Skalierungsgesetze in der visuellen Generierung📈] Offizielle Implementierung von "Visuelle autoregressive Modellierung: Skalierbare Bildgenerierung über Next-Scale-Vorhersage". Eine *ultra-einfache, benutzerfreundliche und dennoch hochmoderne* Codebasis f
Generiere Bilder mit fortschrittlichen KI-Techniken über eine einfache Benutzeroberfläche.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbar[NeurIPS 2024 Best Paper Award][GPT schlägt Diffusion🔥] [Skalierungsgesetze in der visuellen Generierung📈] Offizielle Implementierung von "Visuelle autoregressive Modellierung: Skalierbare Bildgenerierung über Next-Scale-Vorhersage". Eine *ultra-einfache, benutzerfreundliche und dennoch hochmoderne* Codebasis f
VAR hat 8.7k Sterne auf GitHub. Es wurde 571-mal geforkt. VAR ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2024 aktiv entwickelt. VAR ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: auto-regressive-model, autoregressive-models, diffusion-models, generative-ai.
[NeurIPS 2024 Best Paper Award][GPT schlägt Diffusion🔥] [Skalierungsgesetze in der visuellen Generierung📈] Offizielle Implementierung von "Visuelle autoregressive Modellierung: Skalierbare Bildgenerierung über Next-Scale-Vorhersage". Eine *ultra-einfache, benutzerfreundliche und dennoch hochmoderne* Codebasis f
VAR ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. VAR ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
VAR ist unter der MIT-Lizenz verfügbar.
VAR ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/foundationvision-var.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.