Accueil Projets VADER
VADER
Python

VADER

Alignement de diffusion vidéo via des gradients de récompense. Nous améliorons une variété de modèles de diffusion vidéo tels que VideoCrafter, OpenSora, ModelScope et StableVideoDiffusion en les ajustant finement à l'aide de divers modèles de récompense tels que HPS, PickScore, VideoMAE, VJEPA, YOLO, Aes.

par mihirp1998 · GitHub
Étoiles
Forks
Créé
Dernier commit
Catégorie
Langue
alignmentdiffusionreinforcement-learningPython
Voir sur GitHub
En termes simples

Améliorez les modèles vidéo en les ajustant en fonction des retours des systèmes de récompense.

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 →
VADER — GitHub preview card
📈 Historique des étoiles
316315
2026-07-202026-08-31
📈 Suivez VADER

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

Alignement de diffusion vidéo via des gradients de récompense. Nous améliorons une variété de modèles de diffusion vidéo tels que VideoCrafter, OpenSora, ModelScope et StableVideoDiffusion en les ajustant finement à l'aide de divers modèles de récompense tels que HPS, PickScore, VideoMAE, VJEPA, YOLO, Aes.

VADER compte 315 étoiles sur GitHub. Il a été forké 15 fois. VADER est écrit principalement en Python. Il est développé activement depuis 2024. Ses principaux thèmes sont : alignment, diffusion, reinforcement-learning, reinforcement-learning-human-feedback.

Frequently asked questions

Qu'est-ce que VADER ?

Alignement de diffusion vidéo via des gradients de récompense. Nous améliorons une variété de modèles de diffusion vidéo tels que VideoCrafter, OpenSora, ModelScope et StableVideoDiffusion en les ajustant finement à l'aide de divers modèles de récompense tels que HPS, PickScore, VideoMAE, VJEPA, YOLO, Aes.

VADER est-il open source ?

VADER est un projet open source.

VADER est-il gratuit ?

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

Dans quel langage VADER est-il écrit ?

VADER est écrit principalement en Python.

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

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=mihirp1998-vader)](https://olud.ai/project/mihirp1998-vader.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
AlignProp
AlignProp utilise la rétropropagation de récompense directe pour l'alignement des modèles de di…
324 · alignment
partagealignmentreinforcement-learning
MixGRPO
[ECCV 2026] MixGRPO : Déverrouillage de l'efficacité GRPO basée sur le flux avec ODE-SDE mixte
1.2k · diffusion
partagediffusionreinforcement-learning
Flow-Factory
Un cadre unifié pour un apprentissage par renforcement facile dans les modèles de correspondanc…
629 · diffusion
partagediffusionreinforcement-learning
awesome-alignment-of-diffusion-models
[ACM Computing Surveys] La collection d'articles incroyables sur l'alignement des modèles de di…
431 · alignment
partagealignment
rlhf-book
Manuel sur l'apprentissage par renforcement à partir des retours humains
2.2k · ai
partagealignment
awesome-image-alignment-and-stitching
Une liste soigneusement sélectionnée de ressources incroyables pour l'alignement et le collage…
462 · alignment
partagealignment
DataDreamer
DataDreamer : Invite. Générer des données synthétiques. Former et aligner des modèles.   🤖💤
1.1k · alignment
partagealignment
MegaDLMs
Cadre optimisé pour GPU pour l'entraînement de modèles de langage de diffusion à n'importe quel…
344 · diffusion
partagediffusion
REPA
[ICLR'25 Oral] Alignement de représentation pour la génération : Entraîner des transformateurs…
1.7k · diffusion
partagediffusion
StyleKeeper
Implémentation officielle de Pytorch de "StyleKeeper : Prévenir les fuites de contenu en utilis…
483 · diffusion
partagediffusion

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