Accueil Projets OneDiffusion
OneDiffusion
Python

OneDiffusion

Implémentation officielle du document OneDiffusion (CVPR 2025)

par lehduong · GitHub
Étoiles
Forks
Créé
Dernier commit
Langue
diffusion-modelsimage-translationnovel-view-synthesisPython
Voir sur GitHub
En termes simples

Générez et éditez des images à partir de prompts textuels en utilisant un modèle de diffusion polyvalent pour diverses tâches d'image.

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 →
OneDiffusion — GitHub preview card
📈 Historique des étoiles
663662
2026-07-202026-08-31
📈 Suivez OneDiffusion

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 du document OneDiffusion (CVPR 2025)

OneDiffusion compte 662 étoiles sur GitHub. Il a été forké 19 fois. OneDiffusion est écrit principalement en Python. Il est développé activement depuis 2024. Ses principaux thèmes sont : diffusion-models, image-translation, novel-view-synthesis, single-view-reconstruction.

Frequently asked questions

Qu'est-ce que OneDiffusion ?

Implémentation officielle du document OneDiffusion (CVPR 2025)

OneDiffusion est-il open source ?

OneDiffusion est un projet open source.

OneDiffusion est-il gratuit ?

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

Dans quel langage OneDiffusion est-il écrit ?

OneDiffusion est écrit principalement en Python.

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

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=lehduong-onediffusion)](https://olud.ai/project/lehduong-onediffusion.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

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