Startseite Projekte DreamOmni2
DreamOmni2
Python

DreamOmni2

Dieses Projekt ist die offizielle Implementierung von 'DreamOmni2: Multimodale, anweisungsbasierte Bearbeitung und Generierung (CVPR2026 Highlight)''

von JIA-Lab-research · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
image-editingimage-generationunified-generation-editing-modelApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Bearbeite und generiere Bilder basierend auf detaillierten Anweisungen, einschließlich abstrakter Attribute.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
DreamOmni2 — GitHub preview card
📈 Sternhistorie
2 0302 025
2026-07-072026-08-31
📈 DreamOmni2 verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Dieses Projekt ist die offizielle Implementierung von 'DreamOmni2: Multimodale, anweisungsbasierte Bearbeitung und Generierung (CVPR2026 Highlight)''

DreamOmni2 hat 2k Sterne auf GitHub. Es wurde 176-mal geforkt. DreamOmni2 ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. DreamOmni2 ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: image-editing, image-generation, unified-generation-editing-model.

Frequently asked questions

Was ist DreamOmni2?

Dieses Projekt ist die offizielle Implementierung von 'DreamOmni2: Multimodale, anweisungsbasierte Bearbeitung und Generierung (CVPR2026 Highlight)''

Ist DreamOmni2 Open Source?

DreamOmni2 ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist DreamOmni2 kostenlos?

Ja. DreamOmni2 ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht DreamOmni2?

DreamOmni2 ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist DreamOmni2 geschrieben?

DreamOmni2 ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — DreamOmni2

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=jia-lab-research-dreamomni2)](https://olud.ai/project/jia-lab-research-dreamomni2.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
ChronoEdit
[ICLR 2026] ChronoEdit: Auf dem Weg zu zeitlichem Denken für Bildbearbeitung und Weltsimulation…
697 · aigc
teiltimage-editingimage-generation
gpt_image_playground
Bildgenerierungs- und Bearbeitungstool basierend auf der OpenAI gpt-image-2 API
3.1k · gpt-image
teiltimage-editingimage-generation
Voost
[SIGGRAPH Asia 25] Voost: Ein einheitlicher und skalierbarer Diffusion Transformer für bidirekt…
340 · diffusion-models
teiltimage-editingimage-generation
Bernini
Bernini ist ein einheitliches Framework für Videoerstellung und -bearbeitung, das einen MLLM-ba…
1.1k · image-editing
teiltimage-editingimage-generation
MagicBrush
[NeurIPS'23] "MagicBrush: Ein manuell annotierter Datensatz für anleitungsgeführte Bildbearbeit…
411 · diffusion-models
teiltimage-editingimage-generation
LLMGA
Dieses Projekt ist die offizielle Implementierung von 'LLMGA: Multimodale große Sprachmodellbas…
396 · aigc
teiltimage-editingimage-generation
SDEdit
PyTorch-Implementierung für SDEdit: Bildsynthese und -bearbeitung mit stochastischen Differenti…
1.2k · controllable-generation
teiltimage-editingimage-generation
FreeDrag
[CVPR 2024] Offizielle Implementierung von FreeDrag: Feature Dragging für zuverlässige punktbas…
418 · draggan
teiltimage-editingimage-generation
Lance
Ein 3B-aktives-Parameter-natives einheitliches multimodales Modell für Bild- und Videoverständn…
1.3k · image-editing
teiltimage-editingimage-generation
DragGAN
Unoffizielle Implementierung von DragGAN - "Drag Your GAN: Interaktive punktbasierte Manipulati…
5k · draggan
teiltimage-editingimage-generation

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.