Home Progetti Awesome-Try-On-Models
Awesome-Try-On-Models

Awesome-Try-On-Models

di Zheng-Chong · GitHub

Un repository per organizzare articoli, codici e altre risorse relative ai modelli di Virtual Try-on

Visualizza su GitHub
⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Licenza non specificata
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
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-Try-On-Models — GitHub preview card
📈 Storia delle stelle
438436
2026-07-202026-07-29
📈 Segui Awesome-Try-On-Models

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

Un repository per organizzare articoli, codici e altre risorse relative ai modelli di Virtual Try-on

Awesome-Try-On-Models ha 438 stelle su GitHub. È stato forkato 27 volte. È in sviluppo attivo dal 2024. I suoi temi principali sono: 3d-generation, diffusion-models, image-generation, sota-model.

Frequently asked questions

Che cos'è Awesome-Try-On-Models?

Un repository per organizzare articoli, codici e altre risorse relative ai modelli di Virtual Try-on

Awesome-Try-On-Models è open source?

Awesome-Try-On-Models è un progetto open source.

Awesome-Try-On-Models è gratuito?

Sì. Awesome-Try-On-Models è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — Awesome-Try-On-Models

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=zheng-chong-awesome-try-on-models)](https://opensourceai.tech/project/zheng-chong-awesome-try-on-models.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
NOVA
[ICLR 2025] Generazione video autoregressiva senza quantizzazione vettoriale
657 · autoregressive-models
condividevideo-generationimage-generation
sjc
Score Jacobian Chaining: Sollevamento di modelli di diffusione 2D pre-addestrati per generazion…
523 · 3d-generation
condivide3d-generationdiffusion-models
sparsefusion
[CVPR 2023] SparseFusion: Distillazione della diffusione condizionata dalla vista per la ricost…
380 · 3d-generation
condivide3d-generationdiffusion-models
MagicDrive
[ICLR24] Implementazione ufficiale del documento “MagicDrive: Generazione di Street View con co…
1.2k · autonomous-vehicles
condividevideo-generationimage-generation
Voost
[SIGGRAPH Asia 25] Voost: Un trasformatore di diffusione unificato e scalabile per il provare v…
340 · diffusion-models
condividevirtual-try-onimage-generation
Magic123
[ICLR'24] Implementazione ufficiale di PyTorch di Magic123: Generazione di oggetti 3D di alta q…
1.6k · 3d-generation
condivide3d-generationdiffusion-models
MimicMotion
Generazione di video di movimento umano di alta qualità con guida alla posa consapevole della f…
2.6k · diffusion-models
condividevideo-generationdiffusion-models
PVDM
[CVPR'23] Modelli di Diffusione Probabilistica Video nello Spazio Latente Proiettato
322 · diffusion-models
condividevideo-generationdiffusion-models
fashn-vton-1.5
FASHN VTON v1.5: Prova Virtuale Efficiente senza Maschera nello Spazio Pixel
272 · computer-vision
condividevirtual-try-onimage-generation
text2room
Text2Room genera mesh 3D testurizzati da un dato prompt testuale utilizzando modelli 2D di text…
1.1k · 3d-generation
condivide3d-generationdiffusion-models

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