Home Progetti HiFi-Inpaint
HiFi-Inpaint

HiFi-Inpaint

di Correr-Zhou · GitHub

[CVPR 2026] Implementazione ufficiale del documento "HiFi-Inpaint: Verso Inpainting Basato su Riferimento ad Alta Fedeltà per Generare Immagini Umano-Prodotto che Preservano i Dettagli".

Visualizza su GitHub
⭐ 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 →
HiFi-Inpaint — GitHub preview card
📈 Storia delle stelle
106104
2026-07-202026-07-29
📈 Segui HiFi-Inpaint

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

[CVPR 2026] Implementazione ufficiale del documento "HiFi-Inpaint: Verso Inpainting Basato su Riferimento ad Alta Fedeltà per Generare Immagini Umano-Prodotto che Preservano i Dettagli".

HiFi-Inpaint ha 106 stelle su GitHub. È stato forkato 5 volte. HiFi-Inpaint è scritto principalmente in Python. È in sviluppo attivo dal 2026. HiFi-Inpaint è disponibile con licenza Apache-2.0. I suoi temi principali sono: computer-vision, cvpr2026, deep-learning, diffusion-models.

Frequently asked questions

Che cos'è HiFi-Inpaint?

[CVPR 2026] Implementazione ufficiale del documento "HiFi-Inpaint: Verso Inpainting Basato su Riferimento ad Alta Fedeltà per Generare Immagini Umano-Prodotto che Preservano i Dettagli".

HiFi-Inpaint è open source?

HiFi-Inpaint è un progetto open source. È rilasciato con licenza Apache-2.0.

HiFi-Inpaint è gratuito?

Sì. HiFi-Inpaint è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è HiFi-Inpaint?

HiFi-Inpaint è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto HiFi-Inpaint?

HiFi-Inpaint è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — HiFi-Inpaint

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=correr-zhou-hifi-inpaint)](https://opensourceai.tech/project/correr-zhou-hifi-inpaint.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
BrushEdit
[in revisione] L'implementazione ufficiale dell'articolo "BrushEdit: All-In-One Image Inpaintin…
587 · diffusion-models
condivideimage-inpaintingdiffusion-models
Voost
[SIGGRAPH Asia 25] Voost: Un trasformatore di diffusione unificato e scalabile per il provare v…
340 · diffusion-models
condivideimage-inpaintingimage-generation
inpainting_gmcnn
Inpainting di immagini tramite Reti Neurali Convoluzionali Multi-colonna Generative, NeurIPS201…
435 · deep-learning
condivideimage-inpaintingimage-generation
awesome-image-inpainting-studies
Una collezione di studi eccezionali sull'inpainting delle immagini.
394 · diffusion-models
condivideimage-inpaintingdiffusion-models
BrushNet
[ECCV 2024] L'implementazione ufficiale del documento "BrushNet: A Plug-and-Play Image Inpainti…
1.7k · diffusion
condivideimage-inpaintingdiffusion-models
NOVA
[ICLR 2025] Generazione video autoregressiva senza quantizzazione vettoriale
657 · autoregressive-models
condivideimage-generationdiffusion-models
MagicDrive
[ICLR24] Implementazione ufficiale del documento “MagicDrive: Generazione di Street View con co…
1.2k · autonomous-vehicles
condivideimage-generationdiffusion-models
HunyuanImage-2.1
HunyuanImage-2.1: Un modello di diffusione efficiente per la generazione di immagini da testo a…
673 · aigc
condivideimage-generationdiffusion-models
FireRed-Image-Edit
FireRed-Image-Edit è un potente modello di base per l'editing delle immagini che raggiunge pres…
1.3k · aigc
condivideimage-generationdiffusion-models
Awesome-CVPR2024-Low-Level-Vision
Una Raccolta di Articoli e Codici in CVPR2023/2022 riguardanti la visione a basso livello
660 · denoising
condivideimage-inpaintingimage-generation

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