画像生成 (465 repos)

VARは、拡散モデルの枠を超え、GPTスタイルのアプローチで視覚生成の新たな地平を切り開く最先端の画像生成手法です…

lucidrains/imagen-pytorchは、Googleが開発した最先端のText-to-Imageニューラルネットワーク「Imagen」のPyTorch実…

BlenderにStable Diffusionを統合するアドオン「Dream Textures」は、テキストプロンプトからテクスチャ、コンセプト…

NexaSDKは、AIモデルをデバイス上で最小限のエネルギーで高速かつスマートに実行するための高性能ローカル推論フレー…

このリポジトリは、OpenAIのGPT-4oとgpt-image-1によって生成された魅力的な画像とプロンプトの厳選されたコレクショ…

PaddleGANは、開発者向けに高性能な敵対的生成ネットワーク（GAN）の古典的および最先端の実装を提供するフレームワ…

Mochi Diffusionは、Apple Silicon搭載Mac向けに最適化されたStable DiffusionおよびFLUX.2 Kleinのネイティブアプリ…

「freestylefly/awesome-gpt-image-2」は、AI画像生成のための「Prompt as Code」を提唱する産業級プロンプトエンジ…

本リポジトリは、GoogleのDreamboothのアイデアをStable Diffusionに実装したものです。従来のTextual Inversionが単…

YouMind-OpenLabが提供する「Awesome GPT Image 2 Prompts」は、OpenAIの次世代画像生成モデル「GPT Image 2」に特化…

このツールは、拡散モデル（特にStable Diffusion）を効率的にファインチューニングするためのLow-rank adaptation (…

MMagic (OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox)は、テキストから画像生成…

stable-diffusion.cppは、Diffusionモデル（SD、Flux、Wanなど）の推論を純粋なC/C++で実行するための超軽量ライブラ…

StyleTTS 2は、テキストから人間レベルの自然な音声を合成する最新のText-to-Speech（TTS）モデルです。スタイル拡散…

このリポジトリは、プロンプトエンジニアリングとコンテキストエンジニアリングに関する厳選されたリソース集です。…

LatentSyncは、音声入力に基づいて動画のリップシンクを生成する、エンドツーエンドの革新的な手法です。既存のピク…

このリポジトリは、OpenAIのDALL-E（テキストから画像を生成するTransformerモデル）をPyTorchで実装・再現したもの…

SUPIR（Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild）…

RedInkは、Xiaohongshu（小紅書）向けの画像とテキストを生成する統合ツールです。「一文、一画像」のコンセプトで、…

Transformer Labは、AI研究者向けに設計されたオープンソースの機械学習プラットフォームです。モデルの訓練、評価、…

「Tiled Diffusion & VAE extension for sd-webui」は、Automatic1111のStable Diffusion Web UI向けの拡張機能です…

「Ian Xiaohei Illustrations」は、AIエージェントが中国語の文章、ブログ記事、Notionドキュメントなどに、白背景の…

OpenGVLab/DragGANは、「Drag Your GAN」の非公式実装で、GAN（敵対的生成ネットワーク）で生成された画像をインタラ…