Inicio Proyectos awesome-diffusion-model-in-rl
awesome-diffusion-model-in-rl
deep-reinforcement-learning

awesome-diffusion-model-in-rl

Una lista curada de recursos de modelos de difusión en RL (actualmente actualizada)

por opendilab · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
deep-reinforcement-learningdiffusion-modeldiffusion-modelsApache-2.0
Ver en GitHub
En palabras simples

Navega por artículos de investigación sobre el uso de modelos de difusión en aprendizaje por refuerzo.

¿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-diffusion-model-in-rl — GitHub preview card
📈 Historial de estrellas
1 6281 627
2026-07-202026-08-31
📈 Sigue awesome-diffusion-model-in-rl

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 lista curada de recursos de modelos de difusión en RL (actualmente actualizada)

awesome-diffusion-model-in-rl tiene 1.6k estrellas en GitHub. Se ha bifurcado 78 veces. Se desarrolla activamente desde 2022. awesome-diffusion-model-in-rl está disponible bajo la licencia Apache-2.0. Sus temas principales son: deep-reinforcement-learning, diffusion-model, diffusion-models, reinfocement-learning.

Frequently asked questions

¿Qué es awesome-diffusion-model-in-rl?

Una lista curada de recursos de modelos de difusión en RL (actualmente actualizada)

¿awesome-diffusion-model-in-rl es de código abierto?

awesome-diffusion-model-in-rl es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿awesome-diffusion-model-in-rl es gratis?

Sí. awesome-diffusion-model-in-rl es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está awesome-diffusion-model-in-rl?

awesome-diffusion-model-in-rl está disponible bajo la licencia Apache-2.0.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — awesome-diffusion-model-in-rl

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=opendilab-awesome-diffusion-model-in-rl)](https://olud.ai/project/opendilab-awesome-diffusion-model-in-rl.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
smalldiffusion
Código simple y legible para entrenar y muestrear modelos de difusión
773 · diffusion
compartediffusion-modeldiffusion-models
Matcha-TTS
[ICASSP 2024] 🍵 Matcha-TTS: Una arquitectura TTS rápida con coincidencia de flujo condicional
1.3k · deep-learning
compartediffusion-modeldiffusion-models
Lumina-T2X
Lumina-T2X es un marco unificado para la Generación de Texto a Cualquier Modalidad
2.2k · aigc
compartediffusion-modeldiffusion-models
PnPInversion
[ICLR2024] Repositorio oficial para el artículo "PnP Inversion: Aumentando la Edición Basada en…
404 · deep-learning
compartediffusion-modeldiffusion-models
SynDiff
Implementación oficial de PyTorch de SynDiff descrita en el artículo (https://arxiv.org/abs/220…
330 · deep-learning
compartediffusion-modeldiffusion-models
DiffusionFastForward
DiffusionFastForward: un curso gratuito y marco experimental para modelos generativos basados e…
682 · diffusion-model
compartediffusion-modeldiffusion-models
Helios
Helios: Modelo de Generación de Video Largo en Tiempo Real
2k · acceleration
compartediffusion-modeldiffusion-models
1Prompt1Story
🔥ICLR 2025 (Spotlight) One-Prompt-One-Story: Generación de Texto a Imagen Consistente de Almuer…
318 · diffusion
compartediffusion-modeldiffusion-models
DiffuScene
[CVPR 2024] DiffuScene: Modelos de difusión de reducción de ruido para síntesis de escenas inte…
342 · diffusion-model
compartediffusion-modeldiffusion-models
FreeReg
[ICLR 2024] FreeReg: Image-to-Point Cloud Registration Leveraging Pretrained Diffusion Models a…
308 · cross-modality-feature-extraction
compartediffusion-modeldiffusion-models

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