Início Projetos deep-daze
deep-daze

deep-daze

por lucidrains · GitHub

Ferramenta simples de linha de comando para geração de texto para imagem usando CLIP da OpenAI e Siren (rede de representação neural implícita). Técnica originalmente criada por https://twitter.com/advadnoun

Ver no GitHub
Em palavras simples

Gere imagens a partir de descrições de texto usando uma ferramenta simples de linha de comando.

⭐ Estrelas
🍴 Forks
📜 Licença
Uso comercial permitido
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
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 →
deep-daze — GitHub preview card
📈 Histórico de estrelas
4 3204 318
2026-07-072026-07-29
📈 Acompanhe deep-daze

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

Ferramenta simples de linha de comando para geração de texto para imagem usando CLIP da OpenAI e Siren (rede de representação neural implícita). Técnica originalmente criada por https://twitter.com/advadnoun

deep-daze tem 4.3k estrelas no GitHub. Foi bifurcado 311 vezes. deep-daze é escrito principalmente em Python. Está em desenvolvimento ativo desde 2021. deep-daze está disponível sob a licença MIT. Os seus principais temas são: artificial-intelligence, deep-learning, implicit-neural-representation, multi-modality.

Frequently asked questions

O que é deep-daze?

Ferramenta simples de linha de comando para geração de texto para imagem usando CLIP da OpenAI e Siren (rede de representação neural implícita). Técnica originalmente criada por https://twitter.com/advadnoun

deep-daze é de código aberto?

deep-daze é um projeto de código aberto. É distribuído sob a licença MIT.

deep-daze é gratuito?

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

Sob que licença está deep-daze?

deep-daze está disponível sob a licença MIT.

Em que linguagem deep-daze está escrito?

deep-daze é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — deep-daze

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lucidrains-deep-daze)](https://opensourceai.tech/project/lucidrains-deep-daze.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
CogView
Geração de Texto para Imagem. O repositório para o artigo NeurIPS 2021 "CogView: Dominando a Ge…
1.8k · pretrained-models
partilhatext-to-imagetransformers
parti-pytorch
Implementação do Parti, a rede neural de texto para imagem baseada em atenção pura do Google, e…
537 · artificial-intelligence
partilhatext-to-imagetransformers
muse-maskgit-pytorch
Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados,…
918 · artificial-intelligence
partilhatext-to-imagetransformers
SHINE_mapping
🌟 SHINE-Mapping: Mapeamento 3D em Grande Escala Usando Representações Neurais Implícitas Hierár…
489 · 3d-mapping
partilhaimplicit-neural-representation
DALLE-pytorch
Implementação / replicação do DALL-E, o Transformador de Texto para Imagem da OpenAI, em Pytorc…
5.6k · artificial-intelligence
partilhatext-to-imagetransformers
PIN_SLAM
📍PIN-SLAM: SLAM LiDAR Usando uma Representação Neural Implícita Baseada em Pontos para Alcançar…
622 · 3d-mapping
partilhaimplicit-neural-representation
AutoGPT
AutoGPT é a visão de IA acessível para todos, para usar e construir. Nossa missão é fornecer as…
186k · agentic-ai
prompts.chat
f.k.a. Awesome ChatGPT Prompts. Compartilhe, descubra e colete prompts da comunidade. Gratuito…
166k · ai
LLMs-from-scratch
Implemente um LLM semelhante ao ChatGPT em PyTorch do zero, passo a passo
1k · ai
Deep-Live-Cam
troca de rosto em tempo real e deepfake de vídeo com um clique usando apenas uma única imagem
95.3k · ai

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