WaveDiff
Implémentation officielle de Pytorch de l'article : Les modèles de diffusion par ondelettes sont des générateurs d'images rapides et évolutifs (CVPR'23)
Générez des images rapidement et efficacement en utilisant une nouvelle méthode qui combine différentes techniques de traitement d'image.
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 momentImplémentation officielle de Pytorch de l'article : Les modèles de diffusion par ondelettes sont des générateurs d'images rapides et évolutifs (CVPR'23)
WaveDiff compte 440 étoiles sur GitHub. Il a été forké 39 fois. WaveDiff est écrit principalement en Python. Il est développé activement depuis 2022. WaveDiff est disponible sous licence AGPL-3.0. Ses principaux thèmes sont : diffusion-models, wavelet-transform.
Qu'est-ce que WaveDiff ?
Implémentation officielle de Pytorch de l'article : Les modèles de diffusion par ondelettes sont des générateurs d'images rapides et évolutifs (CVPR'23)
WaveDiff est-il open source ?
WaveDiff est un projet open source. Il est distribué sous licence AGPL-3.0.
WaveDiff est-il gratuit ?
Oui. WaveDiff est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même. Sa licence AGPL-3.0 est un copyleft fort : toute version modifiée que vous distribuez — y compris en la proposant comme service en ligne — doit être publiée sous la même licence.
Sous quelle licence est WaveDiff ?
WaveDiff est disponible sous licence AGPL-3.0.
Dans quel langage WaveDiff est-il écrit ?
WaveDiff 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/vinairesearch-wavediff.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.