Início Projetos muse-maskgit-pytorch
muse-maskgit-pytorch
Python

muse-maskgit-pytorch

Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados, em Pytorch

por lucidrains · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Linguagem
artificial-intelligenceattention-mechanismsdeep-learningMITPython
Ver no GitHub
Em palavras simples

Gere imagens a partir de descrições de texto usando um modelo de IA específico implementado em Python.

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 →
muse-maskgit-pytorch — GitHub preview card
📈 Histórico de estrelas
919918
2026-07-202026-08-31
📈 Acompanhe muse-maskgit-pytorch

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

Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados, em Pytorch

muse-maskgit-pytorch tem 918 estrelas no GitHub. Foi bifurcado 86 vezes. muse-maskgit-pytorch é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. muse-maskgit-pytorch está disponível sob a licença MIT. Os seus principais temas são: artificial-intelligence, attention-mechanisms, deep-learning, text-to-image.

Frequently asked questions

O que é muse-maskgit-pytorch?

Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados, em Pytorch

muse-maskgit-pytorch é de código aberto?

muse-maskgit-pytorch é um projeto de código aberto. É distribuído sob a licença MIT.

muse-maskgit-pytorch é gratuito?

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

Sob que licença está muse-maskgit-pytorch?

muse-maskgit-pytorch está disponível sob a licença MIT.

Em que linguagem muse-maskgit-pytorch está escrito?

muse-maskgit-pytorch é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — muse-maskgit-pytorch

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=lucidrains-muse-maskgit-pytorch)](https://olud.ai/project/lucidrains-muse-maskgit-pytorch.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
Ovis-Image
Ovis-Image é um modelo de texto-para-imagem de 7B especificamente otimizado para renderização d…
318 · image-generation
partilhatext-to-image
robotic-transformer-pytorch
Implementação do RT1 (Robotic Transformer) em Pytorch
455 · artificial-intelligence
partilhaattention-mechanisms
DALLE2-pytorch
Implementação do DALL-E 2, a rede neural de síntese de texto para imagem atualizada da OpenAI,…
11.3k · artificial-intelligence
partilhatext-to-image
DF-GAN
[CVPR2022 oral] Uma Base Simples e Eficaz para Síntese de Texto para Imagem
326 · generative-adversarial-network
partilhatext-to-image
Awesome-Transformer-Attention
Uma lista de artigos abrangente sobre Vision Transformer/Atenção, incluindo artigos, códigos e…
5k · attention-mechanism
partilhaattention-mechanisms
iTransformer
Implementação não oficial do iTransformer - Previsão de Séries Temporais SOTA usando redes de A…
538 · artificial-intelligence
partilhaattention-mechanisms
recurrent-memory-transformer-pytorch
Implementação do Recurrent Memory Transformer, artigo do Neurips 2022, em Pytorch
424 · artificial-intelligence
partilhaattention-mechanisms
meshgpt-pytorch
Implementação do MeshGPT, geração de Mesh SOTA usando Atenção, em Pytorch
861 · artificial-intelligence
partilhaattention-mechanisms
VQGAN-CLIP
Apenas brincando com a execução do VQGAN+CLIP localmente, em vez de ter que usar o colab.
2.7k · text-to-image
partilhatext-to-image
audiolm-pytorch
Implementação do AudioLM, uma Abordagem de Modelagem de Linguagem SOTA para Geração de Áudio da…
2.6k · artificial-intelligence
partilhaattention-mechanisms

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