Accueil Projets stable-diffusion-aesthetic-gradients
stable-diffusion-aesthetic-gradients
Jupyter Notebook

stable-diffusion-aesthetic-gradients

Personnalisation pour Stable Diffusion via des gradients esthétiques 🎨

par vicgalle · GitHub
Étoiles
Forks
Créé
Dernier commit
diffusion-modelslaionstable-diffusionJupyter Notebook
Voir sur GitHub
En termes simples

Personnalisez la génération d'images en guidant un modèle pour créer des visuels basés sur vos styles choisis à partir d'un ensemble 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 →
stable-diffusion-aesthetic-gradients — GitHub preview card
📈 Historique des étoiles
742741
2026-07-202026-08-31
📈 Suivez stable-diffusion-aesthetic-gradients

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

Personnalisation pour Stable Diffusion via des gradients esthétiques 🎨

stable-diffusion-aesthetic-gradients compte 741 étoiles sur GitHub. Il a été forké 64 fois. stable-diffusion-aesthetic-gradients est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2022. Ses principaux thèmes sont : diffusion-models, laion, stable-diffusion, text-to-image.

Frequently asked questions

Qu'est-ce que stable-diffusion-aesthetic-gradients ?

Personnalisation pour Stable Diffusion via des gradients esthétiques 🎨

stable-diffusion-aesthetic-gradients est-il open source ?

stable-diffusion-aesthetic-gradients est un projet open source.

stable-diffusion-aesthetic-gradients est-il gratuit ?

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

Dans quel langage stable-diffusion-aesthetic-gradients est-il écrit ?

stable-diffusion-aesthetic-gradients est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — stable-diffusion-aesthetic-gradients

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=vicgalle-stable-diffusion-aesthetic-gradients)](https://olud.ai/project/vicgalle-stable-diffusion-aesthetic-gradients.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
e4t-diffusion
Mise en œuvre de l'ajustement de domaine basé sur l'encodeur pour une personnalisation rapide d…
324 · deep-learning
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
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
TokenFlow
Implémentation officielle de Pytorch pour "TokenFlow : Caractéristiques de diffusion cohérentes…
1.7k · iclr2024
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
text2room
Text2Room génère des maillages 3D texturés à partir d'un texte donné en utilisant des modèles 2…
1.1k · 3d-generation
partagetext-to-imagediffusion-models
Wuerstchen
Implémentation officielle de Würstchen : Pré-entraînement efficace des modèles texte-image
555 · diffusion-models
partagestable-diffusiondiffusion-models

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