Startseite Projekte muse-maskgit-pytorch
muse-maskgit-pytorch
Python

muse-maskgit-pytorch

Implementierung von Muse: Text-zu-Bild-Generierung über Maskierte Generative Transformer in Pytorch

von lucidrains · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
artificial-intelligenceattention-mechanismsdeep-learningMITPython
Auf GitHub ansehen
In einfachen Worten

Generieren Sie Bilder aus Textbeschreibungen mithilfe eines spezifischen KI-Modells, das in Python implementiert ist.

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 →
muse-maskgit-pytorch — GitHub preview card
📈 Sternhistorie
919918
2026-07-202026-08-31
📈 muse-maskgit-pytorch verfolgen

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

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

Implementierung von Muse: Text-zu-Bild-Generierung über Maskierte Generative Transformer in Pytorch

muse-maskgit-pytorch hat 918 Sterne auf GitHub. Es wurde 86-mal geforkt. muse-maskgit-pytorch ist hauptsächlich in Python geschrieben. Es wird seit 2023 aktiv entwickelt. muse-maskgit-pytorch ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, attention-mechanisms, deep-learning, text-to-image.

Frequently asked questions

Was ist muse-maskgit-pytorch?

Implementierung von Muse: Text-zu-Bild-Generierung über Maskierte Generative Transformer in Pytorch

Ist muse-maskgit-pytorch Open Source?

muse-maskgit-pytorch ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist muse-maskgit-pytorch kostenlos?

Ja. muse-maskgit-pytorch ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht muse-maskgit-pytorch?

muse-maskgit-pytorch ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist muse-maskgit-pytorch geschrieben?

muse-maskgit-pytorch ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — muse-maskgit-pytorch

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

[![olud.ai](https://olud.ai/badge.php?tool=lucidrains-muse-maskgit-pytorch)](https://olud.ai/project/lucidrains-muse-maskgit-pytorch.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
Ovis-Image
Ovis-Image ist ein 7B Text-zu-Bild-Modell, das speziell für hochwertige Textdarstellung optimie…
318 · image-generation
teilttext-to-image
robotic-transformer-pytorch
Implementierung von RT1 (Robotic Transformer) in Pytorch
455 · artificial-intelligence
teiltattention-mechanisms
DALLE2-pytorch
Implementierung von DALL-E 2, OpenAIs aktualisiertem Text-zu-Bild-Synthese-Neuronalen Netzwerk…
11.3k · artificial-intelligence
teilttext-to-image
DF-GAN
[CVPR2022 Oral] Eine einfache und effektive Basislinie für Text-zu-Bild-Synthese
326 · generative-adversarial-network
teilttext-to-image
Awesome-Transformer-Attention
Eine letztlich umfassende Liste von Arbeiten zu Vision Transformer/Attention, einschließlich Ar…
5k · attention-mechanism
teiltattention-mechanisms
iTransformer
Unoffizielle Implementierung von iTransformer - SOTA-Zeitreihenprognose mit Aufmerksamkeitsnetz…
538 · artificial-intelligence
teiltattention-mechanisms
recurrent-memory-transformer-pytorch
Implementierung des Recurrent Memory Transformer, Neurips 2022 Papier, in Pytorch
424 · artificial-intelligence
teiltattention-mechanisms
meshgpt-pytorch
Implementierung von MeshGPT, SOTA-Mesh-Generierung unter Verwendung von Attention in Pytorch
861 · artificial-intelligence
teiltattention-mechanisms
VQGAN-CLIP
Ich spiele nur damit, VQGAN+CLIP lokal zum Laufen zu bringen, anstatt Colab verwenden zu müssen…
2.7k · text-to-image
teilttext-to-image
audiolm-pytorch
Implementierung von AudioLM, einem SOTA-Sprachmodellierungsansatz zur Audiogenerierung aus der…
2.6k · artificial-intelligence
teiltattention-mechanisms

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