Inicio Proyectos denoising-diffusion-pytorch
denoising-diffusion-pytorch

denoising-diffusion-pytorch

por lucidrains · GitHub

Implementación del Modelo Probabilístico de Difusión de Denoising en Pytorch

Ver en GitHub
En palabras simples

Genera nuevos datos implementando un modelo que aprende a eliminar ruido de imágenes.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿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 →
denoising-diffusion-pytorch — GitHub preview card
📈 Historial de estrellas
10.7k10.6k
2026-07-042026-07-29
📈 Sigue denoising-diffusion-pytorch

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

Implementación del Modelo Probabilístico de Difusión de Denoising en Pytorch

denoising-diffusion-pytorch tiene 10.7k estrellas en GitHub. Se ha bifurcado 1.3k veces. denoising-diffusion-pytorch está escrito principalmente en Python. Se desarrolla activamente desde 2020. denoising-diffusion-pytorch está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, deep-learning, generative-model, score-matching.

Frequently asked questions

¿Qué es denoising-diffusion-pytorch?

Implementación del Modelo Probabilístico de Difusión de Denoising en Pytorch

¿denoising-diffusion-pytorch es de código abierto?

denoising-diffusion-pytorch es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿denoising-diffusion-pytorch es gratis?

Sí. denoising-diffusion-pytorch es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está denoising-diffusion-pytorch?

denoising-diffusion-pytorch está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito denoising-diffusion-pytorch?

denoising-diffusion-pytorch está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — denoising-diffusion-pytorch

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-denoising-diffusion-pytorch)](https://opensourceai.tech/project/lucidrains-denoising-diffusion-pytorch.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
Awesome-Diffusion-Models
Una colección de recursos y artículos sobre Modelos de Difusión
12.4k · artificial-intelligence
compartescore-matchinggenerative-model
Paella
Implementación oficial de Paella https://arxiv.org/abs/2211.07292v2
748 · diffusion-models
compartegenerative-model
paint-with-words-sd
Implementación de Pintar-con-palabras con Stable Diffusion: método de eDiff-I que te permite ge…
646 · diffusion
compartegenerative-model
MeanFlow
Implementación de PyTorch de MeanFlow & iMF (modelado generativo de un solo paso).
1.2k · diffusion-models
compartegenerative-model
RelayDiffusion
La implementación oficial de "Relay Diffusion: Unificando el proceso de difusión a través de re…
314 · diffusion-models
compartegenerative-model
stylegan2-pytorch
Implementación más simple y funcional de Stylegan2, red generativa adversarial de última genera…
3.8k · artificial-intelligence
compartegenerative-model
RAVE
Implementación oficial del modelo RAVE: un autoencoder variacional de audio en tiempo real
1.8k · ai
compartegenerative-model
ncsnv2
La implementación oficial de PyTorch para NCSNv2 (NeurIPS 2020)
326 · diffusion-models
compartescore-matching
SDEdit
Implementación de PyTorch para SDEdit: Síntesis y Edición de Imágenes con Ecuaciones Diferencia…
1.2k · controllable-generation
compartescore-matching
MeshDiffusion
Implementación oficial de "MeshDiffusion: Modelado Generativo de Mallas 3D Basado en Puntajes"…
834 · diffusion-models
compartegenerative-model

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