Accueil Projets denoising-diffusion-pytorch
denoising-diffusion-pytorch

denoising-diffusion-pytorch

par lucidrains · GitHub

Implémentation du Modèle Probabiliste de Diffusion Dénoyée en Pytorch

Voir sur GitHub
En termes simples

Générez de nouvelles données en implémentant un modèle qui apprend à supprimer le bruit des images.

⭐ 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 →
denoising-diffusion-pytorch — GitHub preview card
📈 Historique des étoiles
10.7k10.6k
2026-07-042026-07-29
📈 Suivez denoising-diffusion-pytorch

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 du Modèle Probabiliste de Diffusion Dénoyée en Pytorch

denoising-diffusion-pytorch compte 10.7k étoiles sur GitHub. Il a été forké 1.3k fois. denoising-diffusion-pytorch est écrit principalement en Python. Il est développé activement depuis 2020. denoising-diffusion-pytorch est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, deep-learning, generative-model, score-matching.

Frequently asked questions

Qu'est-ce que denoising-diffusion-pytorch ?

Implémentation du Modèle Probabiliste de Diffusion Dénoyée en Pytorch

denoising-diffusion-pytorch est-il open source ?

denoising-diffusion-pytorch est un projet open source. Il est distribué sous licence MIT.

denoising-diffusion-pytorch est-il gratuit ?

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

Sous quelle licence est denoising-diffusion-pytorch ?

denoising-diffusion-pytorch est disponible sous licence MIT.

Dans quel langage denoising-diffusion-pytorch est-il écrit ?

denoising-diffusion-pytorch est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — denoising-diffusion-pytorch

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-denoising-diffusion-pytorch)](https://opensourceai.tech/project/lucidrains-denoising-diffusion-pytorch.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
Awesome-Diffusion-Models
Une collection de ressources et d'articles sur les Modèles de Diffusion
12.4k · artificial-intelligence
partagescore-matchinggenerative-model
Paella
Mise en œuvre officielle de Paella https://arxiv.org/abs/2211.07292v2
748 · diffusion-models
partagegenerative-model
paint-with-words-sd
Implémentation de Paint-with-words avec Stable Diffusion : méthode d'eDiff-I qui vous permet de…
646 · diffusion
partagegenerative-model
MeanFlow
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
1.2k · diffusion-models
partagegenerative-model
RelayDiffusion
L'implémentation officielle de "Relay Diffusion : Unification du processus de diffusion à trave…
314 · diffusion-models
partagegenerative-model
stylegan2-pytorch
Implémentation fonctionnelle la plus simple de Stylegan2, réseau antagoniste génératif à la poi…
3.8k · artificial-intelligence
partagegenerative-model
RAVE
Implémentation officielle du modèle RAVE : un autoencodeur variationnel audio en temps réel
1.8k · ai
partagegenerative-model
ncsnv2
L'implémentation officielle de PyTorch pour NCSNv2 (NeurIPS 2020)
326 · diffusion-models
partagescore-matching
SDEdit
Implémentation PyTorch pour SDEdit : Synthèse et édition d'images avec des équations différenti…
1.2k · controllable-generation
partagescore-matching
MeshDiffusion
Implémentation officielle de "MeshDiffusion : Modélisation de maillage 3D générative basée sur…
834 · diffusion-models
partagegenerative-model

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