Accueil Projets semantic-draw
semantic-draw

semantic-draw

par ironjr · GitHub

Code officiel pour le papier CVPR 2025 "SemanticDraw : Vers la création de contenu interactif en temps réel à partir de modèles de diffusion d'images."

Voir sur GitHub
⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
semantic-draw — GitHub preview card
📈 Historique des étoiles
590589
2026-07-202026-07-29
📈 Suivez semantic-draw

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Code officiel pour le papier CVPR 2025 "SemanticDraw : Vers la création de contenu interactif en temps réel à partir de modèles de diffusion d'images."

semantic-draw compte 590 étoiles sur GitHub. Il a été forké 52 fois. semantic-draw est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2024. semantic-draw est disponible sous licence MIT. Ses principaux thèmes sont : cvpr2025, diffusion-models, drawing, huggingface-spaces.

Frequently asked questions

Qu'est-ce que semantic-draw ?

Code officiel pour le papier CVPR 2025 "SemanticDraw : Vers la création de contenu interactif en temps réel à partir de modèles de diffusion d'images."

semantic-draw est-il open source ?

semantic-draw est un projet open source. Il est distribué sous licence MIT.

semantic-draw est-il gratuit ?

Oui. semantic-draw est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est semantic-draw ?

semantic-draw est disponible sous licence MIT.

Dans quel langage semantic-draw est-il écrit ?

semantic-draw est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — semantic-draw

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=ironjr-semantic-draw)](https://olud.ai/project/ironjr-semantic-draw.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
Attend-and-Excite
Implémentation officielle pour "Attend-and-Excite: Attention-Based Semantic Guidance for Text-t…
770 · diffusion-models
partagetext-to-imagediffusion-models
e4t-diffusion
Mise en œuvre de l'ajustement de domaine basé sur l'encodeur pour une personnalisation rapide d…
324 · deep-learning
partagetext-to-imagediffusion-models
MultiDiffusion
Implémentation officielle de Pytorch pour "MultiDiffusion : Fusion des chemins de diffusion pou…
1.1k · diffusion-models
partagetext-to-imageimage-generation
MACE
[CVPR 2024] "MACE : Effacement de concept massif dans les modèles de diffusion" (Implémentation…
394 · diffusion-models
partagetext-to-imagediffusion-models
LLM-groundedDiffusion
Diffusion ancrée dans LLM : Amélioration de la compréhension des invites des modèles de diffusi…
483 · image-generation
partagetext-to-imageimage-generation
AlignProp
AlignProp utilise la rétropropagation de récompense directe pour l'alignement des modèles de di…
324 · alignment
partagetext-to-imagediffusion-models
HunyuanImage-2.1
HunyuanImage-2.1 : Un modèle de diffusion efficace pour la génération d'images à partir de text…
673 · aigc
partagetext-to-imageimage-generation
storyteller
Raconteur d'histoires IA multimodal, construit avec Stable Diffusion, GPT et synthèse vocale ne…
537 · ddpm
partagetext-to-imageimage-generation
cross-image-attention
Implémentation officielle pour "Attention entre images pour le transfert d'apparence sans échan…
404 · appearance-transfer
partagetext-to-imagediffusion-models
stable-diffusion-aesthetic-gradients
Personnalisation pour Stable Diffusion via des gradients esthétiques 🎨
741 · diffusion-models
partagetext-to-imagediffusion-models

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.