Início Projetos RPG-DiffusionMaster
RPG-DiffusionMaster

RPG-DiffusionMaster

por YangLing0818 · GitHub

[ICML 2024] Dominando Difusão Texto-para-Imagens: Recaptioning, Planejamento e Geração com LLMs Multimodais (RPG)

Ver no GitHub
Em palavras simples

Gere e edite imagens a partir de descrições de texto usando modelos avançados de IA em um Jupyter Notebook.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 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 →
RPG-DiffusionMaster — GitHub preview card
📈 Histórico de estrelas
1 8411 838
2026-07-202026-07-29
📈 Acompanhe RPG-DiffusionMaster

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

[ICML 2024] Dominando Difusão Texto-para-Imagens: Recaptioning, Planejamento e Geração com LLMs Multimodais (RPG)

RPG-DiffusionMaster tem 1.8k estrelas no GitHub. Foi bifurcado 100 vezes. RPG-DiffusionMaster é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2024. RPG-DiffusionMaster está disponível sob a licença MIT. Os seus principais temas são: image-editting, large-language-models, multimodal-large-language-models, text-to-image.

Frequently asked questions

O que é RPG-DiffusionMaster?

[ICML 2024] Dominando Difusão Texto-para-Imagens: Recaptioning, Planejamento e Geração com LLMs Multimodais (RPG)

RPG-DiffusionMaster é de código aberto?

RPG-DiffusionMaster é um projeto de código aberto. É distribuído sob a licença MIT.

RPG-DiffusionMaster é gratuito?

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

Sob que licença está RPG-DiffusionMaster?

RPG-DiffusionMaster está disponível sob a licença MIT.

Em que linguagem RPG-DiffusionMaster está escrito?

RPG-DiffusionMaster é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — RPG-DiffusionMaster

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=yangling0818-rpg-diffusionmaster)](https://olud.ai/project/yangling0818-rpg-diffusionmaster.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
Ovis-U1
Um modelo unificado que integra perfeitamente compreensão multimodal, geração de texto para ima…
450 · image-editing
partilhamultimodal-large-language-modelstext-to-image
Ovis-Image
Ovis-Image é um modelo de texto-para-imagem de 7B especificamente otimizado para renderização d…
321 · image-generation
partilhatext-to-image
Awesome-Medical-Large-Language-Models
Artigos selecionados sobre Modelos de Linguagem Grande no setor de Saúde e Medicina
393 · large-language-models
partilhamultimodal-large-language-models
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
Liquid
(Aceito pelo IJCV) Liquid: Modelos de Linguagem são Geradores Multi-modal Escaláveis e Unificad…
642 · autoregressive-models
partilhamultimodal-large-language-modelstext-to-image
VQGAN-CLIP
Apenas brincando com a execução do VQGAN+CLIP localmente, em vez de ter que usar o colab.
2.6k · text-to-image
partilhatext-to-image
Attend-and-Excite
Implementação Oficial para "Attend-and-Excite: Orientação Semântica Baseada em Atenção para Mod…
770 · diffusion-models
partilhatext-to-image
star-vector
StarVector é um modelo base para geração de SVG que transforma vetorização em uma tarefa de ger…
4.5k · llm
partilhamultimodal-large-language-models
min-dalle
min(DALL·E) é uma porta rápida e mínima do DALL·E Mini para PyTorch
3.5k · artificial-intelligence
partilhatext-to-image

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