Accueil Projets awesome-diffusion-model-in-rl
awesome-diffusion-model-in-rl

awesome-diffusion-model-in-rl

par opendilab · GitHub

Une liste sélectionnée de ressources sur les modèles de diffusion en RL (continuellement mise à jour)

Voir sur GitHub
En termes simples

Parcourez des articles de recherche sur l'utilisation des modèles de diffusion dans l'apprentissage par renforcement.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
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 →
awesome-diffusion-model-in-rl — GitHub preview card
📈 Historique des étoiles
1 6301 627
2026-07-202026-07-29
📈 Suivez awesome-diffusion-model-in-rl

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

Une liste sélectionnée de ressources sur les modèles de diffusion en RL (continuellement mise à jour)

awesome-diffusion-model-in-rl compte 1.6k étoiles sur GitHub. Il a été forké 78 fois. Il est développé activement depuis 2022. awesome-diffusion-model-in-rl est disponible sous licence Apache-2.0. Ses principaux thèmes sont : deep-reinforcement-learning, diffusion-model, diffusion-models, reinfocement-learning.

Frequently asked questions

Qu'est-ce que awesome-diffusion-model-in-rl ?

Une liste sélectionnée de ressources sur les modèles de diffusion en RL (continuellement mise à jour)

awesome-diffusion-model-in-rl est-il open source ?

awesome-diffusion-model-in-rl est un projet open source. Il est distribué sous licence Apache-2.0.

awesome-diffusion-model-in-rl est-il gratuit ?

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

Sous quelle licence est awesome-diffusion-model-in-rl ?

awesome-diffusion-model-in-rl est disponible sous licence Apache-2.0.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — awesome-diffusion-model-in-rl

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=opendilab-awesome-diffusion-model-in-rl)](https://opensourceai.tech/project/opendilab-awesome-diffusion-model-in-rl.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
smalldiffusion
Code simple et lisible pour l'entraînement et l'échantillonnage de modèles de diffusion
777 · diffusion
partagediffusion-modeldiffusion-models
1Prompt1Story
🔥ICLR 2025 (Point Fort) One-Prompt-One-Story : Génération de Texte-à-Image Cohérente avec un Se…
319 · diffusion
partagediffusion-modeldiffusion-models
FreeReg
[ICLR 2024] FreeReg : Enregistrement d'images à nuages de points tirant parti des modèles de di…
308 · cross-modality-feature-extraction
partagediffusion-modeldiffusion-models
Lumina-T2X
Lumina-T2X est un cadre unifié pour la génération de texte vers n'importe quelle modalité
2.2k · aigc
partagediffusion-modeldiffusion-models
Rainbow
Rainbow : Combinaison d'améliorations en apprentissage par renforcement profond
1.7k · deep-learning
partagedeep-reinforcement-learning
DiffusionFastForward
DiffusionFastForward : un cours gratuit et un cadre expérimental pour les modèles génératifs ba…
682 · diffusion-model
partagediffusion-modeldiffusion-models
SEINE
[ICLR 2024] SEINE : Modèle de Diffusion Vidéo Court-à-Long pour la Transition et la Prédiction…
967 · diffusion-model
partagediffusion-model
hands-on-rl
Cours gratuit qui vous emmène de zéro à PRO en apprentissage par renforcement 🦸🏻‍🦸🏽
1.6k · deep-reinforcement-learning
partagedeep-reinforcement-learning
StableVideo
[ICCV 2023] StableVideo : Édition vidéo par diffusion consciente du texte
1.4k · aigc
partagediffusion-model
ML-From-Scratch
Apprentissage automatique depuis zéro. Implémentations de base en NumPy de modèles et algorithm…
32.4k · data-mining

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