Accueil Projets DiffuseVAE
DiffuseVAE
Python

DiffuseVAE

Implémentation officielle de "DiffuseVAE : Génération Efficace, Contrôlable et de Haute Fidélité à partir de Latents de Faible Dimension"

par kpandey008 · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Langue
controllable-generationddpmdiffusion-modelsMITPython
Voir sur GitHub
En termes simples

Générez des images de haute qualité en contrôlant un modèle qui combine deux techniques avancées pour de meilleurs résultats.

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 →
DiffuseVAE — GitHub preview card
📈 Historique des étoiles
385384
2026-07-202026-08-31
📈 Suivez DiffuseVAE

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

Implémentation officielle de "DiffuseVAE : Génération Efficace, Contrôlable et de Haute Fidélité à partir de Latents de Faible Dimension"

DiffuseVAE compte 384 étoiles sur GitHub. Il a été forké 38 fois. DiffuseVAE est écrit principalement en Python. Il est développé activement depuis 2021. DiffuseVAE est disponible sous licence MIT. Ses principaux thèmes sont : controllable-generation, ddpm, diffusion-models, generative-model.

Frequently asked questions

Qu'est-ce que DiffuseVAE ?

Implémentation officielle de "DiffuseVAE : Génération Efficace, Contrôlable et de Haute Fidélité à partir de Latents de Faible Dimension"

DiffuseVAE est-il open source ?

DiffuseVAE est un projet open source. Il est distribué sous licence MIT.

DiffuseVAE est-il gratuit ?

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

Sous quelle licence est DiffuseVAE ?

DiffuseVAE est disponible sous licence MIT.

Dans quel langage DiffuseVAE est-il écrit ?

DiffuseVAE est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — DiffuseVAE

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=kpandey008-diffusevae)](https://olud.ai/project/kpandey008-diffusevae.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
minimal-text-diffusion
Une implémentation minimale de modèles de diffusion pour la génération de texte
418 · ddpm
partageddpmgenerative-model
Paella
Mise en œuvre officielle de Paella https://arxiv.org/abs/2211.07292v2
748 · diffusion-models
partagegenerative-modeldiffusion-models
Awesome-Controllable-T2I-Diffusion-Models
Une collection de ressources sur la génération contrôlable avec des modèles de diffusion texte-…
1.1k · awesome
partagecontrollable-generationdiffusion-models
storyteller
Raconteur d'histoires IA multimodal, construit avec Stable Diffusion, GPT et synthèse vocale ne…
537 · ddpm
partageddpmdiffusion-models
Awesome-Diffusion-Models
Une collection de ressources et d'articles sur les Modèles de Diffusion
12.4k · artificial-intelligence
partagegenerative-modeldiffusion-models
MeanFlow
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
1.2k · diffusion-models
partagegenerative-modeldiffusion-models
score_sde
Code officiel pour la modélisation générative basée sur le score à travers des équations différ…
1.8k · controllable-generation
partagecontrollable-generationdiffusion-models
score_sde_pytorch
Implémentation PyTorch pour la modélisation générative basée sur le score à travers des équatio…
2.1k · controllable-generation
partagecontrollable-generationdiffusion-models
CRM
[ECCV 2024] Conversion d'une image unique en maillage texturé 3D en 10 secondes avec le modèle…
690 · 3d
partagegenerative-modeldiffusion-models
RefAlign
[ECCV 2026] Implémentation officielle de RefAlign en PyTorch : Alignement de représentation pou…
392 · controllable-generation
partagecontrollable-generationdiffusion-models

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