Accueil Projets e4t-diffusion
e4t-diffusion
Python

e4t-diffusion

Mise en œuvre de l'ajustement de domaine basé sur l'encodeur pour une personnalisation rapide des modèles texte-image

par mkshing · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
deep-learningdiffusion-modelsstable-diffusionMITPython
Voir sur GitHub
En termes simples

Personnalisez rapidement les modèles de texte à image en utilisant un modèle pré-entraîné pour des types d'images spécifiques, comme les visages.

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 →
e4t-diffusion — GitHub preview card
📈 Historique des étoiles
325324
2026-07-202026-08-31
📈 Suivez e4t-diffusion

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

Mise en œuvre de l'ajustement de domaine basé sur l'encodeur pour une personnalisation rapide des modèles texte-image

e4t-diffusion compte 324 étoiles sur GitHub. Il a été forké 22 fois. e4t-diffusion est écrit principalement en Python. Il est développé activement depuis 2023. e4t-diffusion est disponible sous licence MIT. Ses principaux thèmes sont : deep-learning, diffusion-models, stable-diffusion, text-to-image.

Frequently asked questions

Qu'est-ce que e4t-diffusion ?

Mise en œuvre de l'ajustement de domaine basé sur l'encodeur pour une personnalisation rapide des modèles texte-image

e4t-diffusion est-il open source ?

e4t-diffusion est un projet open source. Il est distribué sous licence MIT.

e4t-diffusion est-il gratuit ?

Oui. e4t-diffusion est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est e4t-diffusion ?

e4t-diffusion est disponible sous licence MIT.

Dans quel langage e4t-diffusion est-il écrit ?

e4t-diffusion est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — e4t-diffusion

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=mkshing-e4t-diffusion)](https://olud.ai/project/mkshing-e4t-diffusion.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
Attend-and-Excite
Implémentation officielle pour "Attend-and-Excite: Attention-Based Semantic Guidance for Text-t…
772 · diffusion-models
partagetext-to-imagestable-diffusion
MACE
[CVPR 2024] "MACE : Effacement de concept massif dans les modèles de diffusion" (Implémentation…
393 · diffusion-models
partagetext-to-imagestable-diffusion
stable-diffusion-aesthetic-gradients
Personnalisation pour Stable Diffusion via des gradients esthétiques 🎨
741 · diffusion-models
partagetext-to-imagestable-diffusion
mixture-of-diffusers
Mélange de Diffuseurs pour la composition de scènes et la génération d'images haute résolution
449 · ai
partagestable-diffusiondiffusion-models
flux-krea
Dépôt officiel GitHub pour FLUX.1 Krea [dev].
364 · diffusion-models
partagetext-to-imagediffusion-models
Dreambooth-Stable-Diffusion
Implémentation de Dreambooth (https://arxiv.org/abs/2208.12242) avec Stable Diffusion
7.7k · pytorch
partagetext-to-imagestable-diffusion
awesome-text-to-image-studies
Une collection d'études géniales sur la génération de texte en image.
760 · artificial-intelligence
partagetext-to-imagediffusion-models
TokenFlow
Implémentation officielle de Pytorch pour "TokenFlow : Caractéristiques de diffusion cohérentes…
1.7k · iclr2024
partagetext-to-imagestable-diffusion
Wuerstchen
Implémentation officielle de Würstchen : Pré-entraînement efficace des modèles texte-image
555 · diffusion-models
partagestable-diffusiondiffusion-models
CrossAttentionControl
Implémentation non officielle de "Prompt-to-Prompt Image Editing with Cross Attention Control"…
1.3k · cross-attention
partagestable-diffusiondiffusion-models

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