Home Progetti blended-latent-diffusion
blended-latent-diffusion

blended-latent-diffusion

di omriav · GitHub

Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]

Visualizza su GitHub
In parole semplici

Genera e modifica immagini utilizzando un'interfaccia basata su testo con un focus sul miglioramento della velocità e della diversità nella creazione di immagini.

⭐ 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 →
blended-latent-diffusion — GitHub preview card
📈 Storia delle stelle
632631
2026-07-202026-07-29
📈 Segui blended-latent-diffusion

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

Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]

blended-latent-diffusion ha 632 stelle su GitHub. È stato forkato 37 volte. blended-latent-diffusion è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2022. blended-latent-diffusion è disponibile con licenza MIT. I suoi temi principali sono: computer-vision, deep-learning, diffusion, diffusion-models.

Frequently asked questions

Che cos'è blended-latent-diffusion?

Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]

blended-latent-diffusion è open source?

blended-latent-diffusion è un progetto open source. È rilasciato con licenza MIT.

blended-latent-diffusion è gratuito?

Sì. blended-latent-diffusion è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è blended-latent-diffusion?

blended-latent-diffusion è disponibile con licenza MIT.

In quale linguaggio è scritto blended-latent-diffusion?

blended-latent-diffusion è scritto principalmente in Jupyter Notebook.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — blended-latent-diffusion

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=omriav-blended-latent-diffusion)](https://opensourceai.tech/project/omriav-blended-latent-diffusion.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
clip-guided-diffusion
Uno strumento CLI/modulo Python per generare immagini da testo utilizzando diffusione guidata e…
459 · artificial-intelligence
condividetext-to-image-synthesisdiffusion
blended-diffusion
Implementazione ufficiale per "Blended Diffusion for Text-driven Editing of Natural Images" [CV…
589 · blended-diffusion
condividetext-guided-manipulationdiffusion
MagicBrush
[NeurIPS'23] "MagicBrush: Un Dataset Annotato Manualmente per Editing di Immagini Guidato da Is…
411 · diffusion-models
condividetext-to-image-synthesistext-to-image
MultiDiffusion
Implementazione ufficiale in Pytorch per "MultiDiffusion: Fusing Diffusion Paths for Controlled…
1.1k · diffusion-models
condividegenerative-modeltext-to-image
LakonLab
Implementazione ufficiale di AsymFlow, pi-Flow, GMFlow
455 · diffusion-models
condividegenerative-modeltext-to-image
Awesome-Text-to-Image
(ෆ`꒳´ෆ) Un'indagine sulla generazione/sintesi di testo in immagine.
2.4k · awseome-list
condividemultimodal-deep-learningtext-to-image
Video-P2P
Video-P2P: Editing video con controllo di cross-attention
431 · generative-model
condividetext-driven-editinggenerative-model
1Prompt1Story
🔥ICLR 2025 (Spotlight) One-Prompt-One-Story: Generazione di Immagini da Testo Consistente con P…
319 · diffusion
condividediffusiontext-to-image
InstructCV
[ ICLR 2024 ] Codice ufficiale per "InstructCV: Modelli di Diffusione Testo-Immagine Ottimizzat…
461 · diffusion-models
condividegenerative-modeltext-to-image
HunyuanImage-2.1
HunyuanImage-2.1: Un modello di diffusione efficiente per la generazione di immagini da testo a…
673 · aigc
condividetext-to-imageimage-generation

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