Home Progetti awesome-text-to-image-studies
awesome-text-to-image-studies

awesome-text-to-image-studies

di AlonzoLeeeooo · GitHub

Una raccolta di studi straordinari sulla generazione di testo in immagine.

Visualizza su GitHub
In parole semplici

Leggi riassunti di articoli di ricerca relativi alla generazione di immagini da testo, organizzati per argomento e anno di pubblicazione.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
awesome-text-to-image-studies — GitHub preview card
📈 Storia delle stelle
761760
2026-07-202026-07-29
📈 Segui awesome-text-to-image-studies

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Una raccolta di studi straordinari sulla generazione di testo in immagine.

awesome-text-to-image-studies ha 761 stelle su GitHub. È stato forkato 43 volte. awesome-text-to-image-studies è scritto principalmente in TeX. È in sviluppo attivo dal 2024. awesome-text-to-image-studies è disponibile con licenza MIT. I suoi temi principali sono: artificial-intelligence, diffusion-models, text-to-image, text-to-image-ai.

Frequently asked questions

Che cos'è awesome-text-to-image-studies?

Una raccolta di studi straordinari sulla generazione di testo in immagine.

awesome-text-to-image-studies è open source?

awesome-text-to-image-studies è un progetto open source. È rilasciato con licenza MIT.

awesome-text-to-image-studies è gratuito?

Sì. awesome-text-to-image-studies è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è awesome-text-to-image-studies?

awesome-text-to-image-studies è disponibile con licenza MIT.

In quale linguaggio è scritto awesome-text-to-image-studies?

awesome-text-to-image-studies è scritto principalmente in TeX.

🏅 Manutentore di questo progetto?
olud.ai badge — awesome-text-to-image-studies

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=alonzoleeeooo-awesome-text-to-image-studies)](https://olud.ai/project/alonzoleeeooo-awesome-text-to-image-studies.html)
Altre opzioni di badge →
🧬 Condivide il DNA con
Attend-and-Excite
Implementazione ufficiale per "Attend-and-Excite: Guida Semantica Basata su Attenzione per Mode…
770 · diffusion-models
condividetext-to-imagediffusion-models
e4t-diffusion
Implementazione del tuning del dominio basato su encoder per la personalizzazione rapida dei mo…
324 · deep-learning
condividetext-to-imagediffusion-models
MACE
[CVPR 2024] "MACE: Mass Concept Erasure in Diffusion Models" (Implementazione ufficiale)
394 · diffusion-models
condividetext-to-imagediffusion-models
flux-krea
Repository ufficiale di GitHub per FLUX.1 Krea [dev].
364 · diffusion-models
condividetext-to-imagediffusion-models
AlignProp
AlignProp utilizza la retropropagazione del premio diretto per l'allineamento di modelli di dif…
324 · alignment
condividetext-to-imagediffusion-models
text2room
Text2Room genera mesh 3D testurizzati da un dato prompt testuale utilizzando modelli 2D di text…
1.1k · 3d-generation
condividetext-to-imagediffusion-models
HunyuanImage-2.1
HunyuanImage-2.1: Un modello di diffusione efficiente per la generazione di immagini da testo a…
673 · aigc
condividetext-to-imagediffusion-models
MinImagen
MinImagen: Un'implementazione minima del modello text-to-image Imagen
313 · deep-learning
condividetext-to-imagediffusion-models
cross-image-attention
Implementazione ufficiale per "Attenzione Cross-Image per Trasferimento di Aspetto Zero-Shot"
404 · appearance-transfer
condividetext-to-imagediffusion-models
stable-diffusion-aesthetic-gradients
Personalizzazione per Stable Diffusion tramite Gradienti Estetici 🎨
741 · diffusion-models
condividetext-to-imagediffusion-models

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.