Accueil Projets blended-latent-diffusion
blended-latent-diffusion
Jupyter Notebook

blended-latent-diffusion

Implémentation officielle pour "Blended Latent Diffusion" [SIGGRAPH 2023]

par omriav · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
computer-visiondeep-learningdiffusionMITJupyter Notebook
Voir sur GitHub
En termes simples

Générer et éditer des images en utilisant une interface textuelle avec un accent sur l'amélioration de la vitesse et de la diversité dans la création d'images.

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 →
blended-latent-diffusion — GitHub preview card
📈 Historique des étoiles
632631
2026-07-202026-08-31
📈 Suivez blended-latent-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

Implémentation officielle pour "Blended Latent Diffusion" [SIGGRAPH 2023]

blended-latent-diffusion compte 631 étoiles sur GitHub. Il a été forké 37 fois. blended-latent-diffusion est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2022. blended-latent-diffusion est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, deep-learning, diffusion, diffusion-models.

Frequently asked questions

Qu'est-ce que blended-latent-diffusion ?

Implémentation officielle pour "Blended Latent Diffusion" [SIGGRAPH 2023]

blended-latent-diffusion est-il open source ?

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

blended-latent-diffusion est-il gratuit ?

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

Sous quelle licence est blended-latent-diffusion ?

blended-latent-diffusion est disponible sous licence MIT.

Dans quel langage blended-latent-diffusion est-il écrit ?

blended-latent-diffusion est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — blended-latent-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=omriav-blended-latent-diffusion)](https://olud.ai/project/omriav-blended-latent-diffusion.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
REPA
[ICLR'25 Oral] Alignement de représentation pour la génération : Entraîner des transformateurs…
1.7k · diffusion
partagediffusiondiffusion-models
smalldiffusion
Code simple et lisible pour l'entraînement et l'échantillonnage de modèles de diffusion
773 · diffusion
partagediffusiondiffusion-models
Awesome-Video-Diffusion-Models
[CSUR] Une enquête sur les modèles de diffusion vidéo
2.3k · awesome
partagediffusiondiffusion-models
grasp_diffusion
Implémentation Pytorch de modèles de diffusion sur les groupes de Lie pour la génération de pos…
353 · deep-learning
partagediffusiondiffusion-models
transformerlab-app
L'environnement de recherche open source pour les chercheurs en IA pour former, évaluer et mett…
5.2k · diffusion
partagediffusiondiffusion-models
diffusionerf
[CVPR 2023] DiffusioNeRF: Regularizing Neural Radiance Fields with Denoising Diffusion Models
308 · deep-learning
partagediffusiondiffusion-models
Lumina-T2X
Lumina-T2X est un cadre unifié pour la génération de texte vers n'importe quelle modalité
2.2k · aigc
partagediffusiondiffusion-models
model-based-diffusion
Implémentation officielle pour l'article "Diffusion basée sur un modèle pour l'optimisation de…
339 · control
partagediffusiondiffusion-models
ddrm
[NeurIPS 2022] Modèles de restauration par diffusion de débruitage -- Référentiel de code offic…
668 · deblurring
partagediffusiondiffusion-models
ICEdit
[NeurIPS 2025] L'édition d'images vaut une seule LoRA ! 0,1 % de données d'entraînement pour un…
2.1k · diffusion
partagediffusiondiffusion-models

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