Início Projetos PyTorch-SVGRender
PyTorch-SVGRender
Python

PyTorch-SVGRender

Renderização Diferenciável SVG: Gerando gráficos vetoriais usando redes neurais. Suporte: texto-para-SVG, Imagem-para-SVG, Edição de SVG.

por ximinng · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Linguagem
differentiable-renderingdiffusiondiffusion-modelsMPL-2.0Python
Ver no GitHub
Em palavras simples

Gere gráficos vetoriais a partir de texto ou imagens usando redes neurais e edite arquivos SVG 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 →
PyTorch-SVGRender — GitHub preview card
📈 Histórico de estrelas
491490
2026-07-202026-08-31
📈 Acompanhe PyTorch-SVGRender

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

Renderização Diferenciável SVG: Gerando gráficos vetoriais usando redes neurais. Suporte: texto-para-SVG, Imagem-para-SVG, Edição de SVG.

PyTorch-SVGRender tem 490 estrelas no GitHub. Foi bifurcado 51 vezes. PyTorch-SVGRender é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. PyTorch-SVGRender está disponível sob a licença MPL-2.0. Os seus principais temas são: differentiable-rendering, diffusion, diffusion-models, img-to-svg.

Frequently asked questions

O que é PyTorch-SVGRender?

Renderização Diferenciável SVG: Gerando gráficos vetoriais usando redes neurais. Suporte: texto-para-SVG, Imagem-para-SVG, Edição de SVG.

PyTorch-SVGRender é de código aberto?

PyTorch-SVGRender é um projeto de código aberto. É distribuído sob a licença MPL-2.0.

PyTorch-SVGRender é gratuito?

Sim. PyTorch-SVGRender é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria. Sua licença MPL-2.0 é copyleft: qualquer versão modificada que você distribuir deve permanecer sob a mesma licença.

Sob que licença está PyTorch-SVGRender?

PyTorch-SVGRender está disponível sob a licença MPL-2.0.

Em que linguagem PyTorch-SVGRender está escrito?

PyTorch-SVGRender é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — PyTorch-SVGRender

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=ximinng-pytorch-svgrender)](https://olud.ai/project/ximinng-pytorch-svgrender.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
REPA
[ICLR'25 Oral] Alinhamento de Representação para Geração: Treinar Transformadores de Difusão É…
1.7k · diffusion
partilhadiffusiondiffusion-models
blended-latent-diffusion
Implementação oficial para "Difusão Latente Misturada" [SIGGRAPH 2023]
631 · computer-vision
partilhadiffusiondiffusion-models
smalldiffusion
Código simples e legível para treinar e amostrar de modelos de difusão
773 · diffusion
partilhadiffusiondiffusion-models
Awesome-Video-Diffusion-Models
[CSUR] Uma Pesquisa sobre Modelos de Difusão de Vídeo
2.3k · awesome
partilhadiffusiondiffusion-models
grasp_diffusion
Implementação em Pytorch de modelos de difusão em Grupos de Lie para geração de pose de agarre…
353 · deep-learning
partilhadiffusiondiffusion-models
transformerlab-app
O ambiente de pesquisa de código aberto para pesquisadores de IA treinarem, avaliarem e escalar…
5.2k · diffusion
partilhadiffusiondiffusion-models
diffusionerf
[CVPR 2023] DiffusioNeRF: Regularizing Neural Radiance Fields with Denoising Diffusion Models
308 · deep-learning
partilhadiffusiondiffusion-models
Lumina-T2X
Lumina-T2X é uma estrutura unificada para Geração de Texto para Qualquer Modalidade
2.2k · aigc
partilhadiffusiondiffusion-models
model-based-diffusion
Implementação oficial para o artigo "Difusão Baseada em Modelo para Otimização de Trajetória".…
339 · control
partilhadiffusiondiffusion-models
ddrm
[NeurIPS 2022] Modelos de Restauração de Difusão Denoising -- Repositório Oficial de Código
668 · deblurring
partilhadiffusiondiffusion-models

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