Inicio› Proyectos› awesome-video-generation
awesome-video-generation
TeX

awesome-video-generation

Una colección de estudios increíbles sobre generación de video.

por AlonzoLeeeooo · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
diffusion-modelsgenerative-adversarial-networkspaper-listMITTeX
Ver en GitHub
En palabras simples

Explora una colección de artículos de investigación y recursos centrados en la generación de videos utilizando técnicas de IA.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
awesome-video-generation — GitHub preview card
📈 Historial de estrellas
774773
2026-07-202026-08-31
📈 Sigue awesome-video-generation

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Una colección de estudios increíbles sobre generación de video.

awesome-video-generation tiene 773 estrellas en GitHub. Se ha bifurcado 42 veces. awesome-video-generation está escrito principalmente en TeX. Se desarrolla activamente desde 2024. awesome-video-generation está disponible bajo la licencia MIT. Sus temas principales son: diffusion-models, generative-adversarial-networks, paper-list, text-to-video-generation.

❓ Frequently asked questions

¿Qué es awesome-video-generation?

Una colección de estudios increíbles sobre generación de video.

¿awesome-video-generation es de código abierto?

awesome-video-generation es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿awesome-video-generation es gratis?

Sí. awesome-video-generation es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está awesome-video-generation?

awesome-video-generation está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito awesome-video-generation?

awesome-video-generation está escrito principalmente en TeX.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — awesome-video-generation

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=alonzoleeeooo-awesome-video-generation)](https://olud.ai/project/alonzoleeeooo-awesome-video-generation.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
awesome-image-inpainting-studies
Una colección de increíbles estudios de inpainting de imágenes.
★ 392 · diffusion-models
compartegenerative-adversarial-networksdiffusion-models
torchgan
Marco de investigación para un entrenamiento fácil y eficiente de GANs basado en Pytorch
★ 1.4k · computer-vision
compartegenerative-adversarial-networks
big-sleep
Una herramienta de línea de comandos simple para generación de texto a imagen, utilizando CLIP…
★ 2.6k · artificial-intelligence
compartegenerative-adversarial-networks
Keras-GAN
Implementaciones de Keras de redes generativas adversariales.
★ 9.2k · deep-learning
compartegenerative-adversarial-networks
LLM-Agents-Papers
Un repositorio que lista artículos relacionados con agentes basados en LLM.
★ 2.3k · agents
compartepaper-list
awesome-end-to-end-autonomous-driving
Una lista curada de increíbles recursos de Conducción Autónoma de Extremo a Extremo (actualizad…
★ 499 · autonomous-driving
compartepaper-list
Awesome-Domain-LLM
Recopilación y organización de modelos de código abierto, conjuntos de datos y estándares de ev…
★ 2.6k · awesome-list
compartepaper-list
Pluralistic-Inpainting
[CVPR 2019]: Compleción de imagen pluralista
★ 690 · generative-adversarial-networks
compartegenerative-adversarial-networks
high-fidelity-generative-compression
Implementación en Pytorch de Compresión de Imagen Generativa de Alta Fidelidad + Rutinas para c…
★ 475 · computer-vision
compartegenerative-adversarial-networks
gansformer
Transformadores Generativos Adversariales
★ 1.3k · attention
compartegenerative-adversarial-networks

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.