Startseite Projekte phenaki-pytorch
phenaki-pytorch
Python

phenaki-pytorch

Implementierung von Phenaki Video, das Mask GIT verwendet, um textgesteuerte Videos von bis zu 2 Minuten Länge in Pytorch zu erstellen

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

Erstellen Sie textgesteuerte Videos von bis zu zwei Minuten mit KI-Techniken in Python.

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 →
phenaki-pytorch — GitHub preview card
📈 Sternhistorie
791790
2026-07-202026-08-31
📈 phenaki-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 Phenaki Video, das Mask GIT verwendet, um textgesteuerte Videos von bis zu 2 Minuten Länge in Pytorch zu erstellen

phenaki-pytorch hat 790 Sterne auf GitHub. Es wurde 81-mal geforkt. phenaki-pytorch ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. phenaki-pytorch ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, attention-mechanisms, deep-learning, imagination-machine.

Frequently asked questions

Was ist phenaki-pytorch?

Implementierung von Phenaki Video, das Mask GIT verwendet, um textgesteuerte Videos von bis zu 2 Minuten Länge in Pytorch zu erstellen

Ist phenaki-pytorch Open Source?

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

Ist phenaki-pytorch kostenlos?

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

Unter welcher Lizenz steht phenaki-pytorch?

phenaki-pytorch ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist phenaki-pytorch geschrieben?

phenaki-pytorch ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — phenaki-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-phenaki-pytorch)](https://olud.ai/project/lucidrains-phenaki-pytorch.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →
imagen-pytorch
Implementierung von Imagen, Googles Text-to-Image-Neuronales Netzwerk, in Pytorch
8.4k · artificial-intelligence
teiltimagination-machine
robotic-transformer-pytorch
Implementierung von RT1 (Robotic Transformer) in Pytorch
455 · artificial-intelligence
teiltattention-mechanisms
muse-maskgit-pytorch
Implementierung von Muse: Text-zu-Bild-Generierung über Maskierte Generative Transformer in Pyt…
918 · artificial-intelligence
teiltattention-mechanisms
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
audiolm-pytorch
Implementierung von AudioLM, einem SOTA-Sprachmodellierungsansatz zur Audiogenerierung aus der…
2.6k · artificial-intelligence
teiltattention-mechanisms
PaLM-rlhf-pytorch
Implementierung von RLHF (Reinforcement Learning with Human Feedback) auf der PaLM-Architektur.…
7.9k · artificial-intelligence
teiltattention-mechanisms
alphafold3-pytorch
Implementierung von Alphafold 3 von Google Deepmind in Pytorch
1.7k · artificial-intelligence
teiltattention-mechanisms

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