Início Projetos RePaint
RePaint
Python

RePaint

Código e Modelos Oficiais do PyTorch de "RePaint: Inpainting usando Modelos Probabilísticos de Difusão de Denoising", CVPR 2022

por andreas128 · GitHub
Estrelas
Forks
Criado
Último commit
Categoria
Linguagem
cvpr2022diffusion-modelsinpaintingPython
Ver no GitHub
Em palavras simples

Preencha partes faltantes de imagens usando um modelo que aprende com seções de imagem existentes.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
RePaint — GitHub preview card
📈 Histórico de estrelas
2 2612 258
2026-07-072026-08-31
📈 Acompanhe RePaint

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Código e Modelos Oficiais do PyTorch de "RePaint: Inpainting usando Modelos Probabilísticos de Difusão de Denoising", CVPR 2022

RePaint tem 2.3k estrelas no GitHub. Foi bifurcado 199 vezes. RePaint é escrito principalmente em Python. Está em desenvolvimento ativo desde 2021. Os seus principais temas são: cvpr2022, diffusion-models, inpainting.

Frequently asked questions

O que é RePaint?

Código e Modelos Oficiais do PyTorch de "RePaint: Inpainting usando Modelos Probabilísticos de Difusão de Denoising", CVPR 2022

RePaint é de código aberto?

RePaint é um projeto de código aberto.

RePaint é gratuito?

Sim. RePaint é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem RePaint está escrito?

RePaint é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — RePaint

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=andreas128-repaint)](https://olud.ai/project/andreas128-repaint.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.