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.
Améliorez les modèles vidéo en les ajustant en fonction des retours des systèmes de récompense.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentAlignement 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.
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 un projet open source.
Oui. VADER est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
VADER est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/mihirp1998-vader.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.