generative-model 第 2 页
本站收录 95 个带「generative-model」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 2 页）
DiffusionFromScratchDiffusionFromScratch 是一个教学型开源项目，旨在用单个 Python 脚本从零重建 Stable Diffusion 模型，作为哈佛大学“M★ 229
Awesome-LMMs-Mechanistic-Interpretability这是一个聚焦大型多模态模型（LMMs）机制可解释性（MI）的资源精选仓库，专门收集与LMMs内部工作机制相关的研究论文、综述和博客文章。它解决了多模态模型（如视★ 223
CineScaleCineScale 是一个无需微调即可生成 4K 分辨率视频的开源项目，基于扩散模型（diffusion models）实现。它主要解决现有视频生成模型在分辨率★ 218
voxel-flowvoxel-flow 是 ICCV 2017 Oral 论文的开源实现，提出用深度体素流（Deep Voxel Flow）进行视频帧合成，解决视频插帧、帧预测和★ 216
RandARRandAR 是 CVPR 2025 Oral 论文《RandAR》的开源实现，一个基于自回归范式的图像生成模型。它解决传统自回归图像生成中逐像素/逐块预测导致★ 209
MelNetMelNet 是一个基于 PyTorch 的音频生成模型实现，源自论文《MelNet: A Generative Model for Audio in the ★ 208
GMFlowGMFlow 是一个基于高斯混合流匹配（Gaussian Mixture Flow Matching）的生成模型开源实现，由 ICML 2025 论文提出。它旨★ 198
Parts2WholeParts2Whole 是一个面向可控人体图像生成的开源框架，由 TIP 2025 论文提出。它解决的是现有方法难以同时利用多张参考图（如人脸、手部、衣物、姿态★ 196
Cross-Speaker-Emotion-Transfer这是一个基于PyTorch实现的跨说话人情感迁移语音合成项目，源自字节跳动的研究成果。它解决的核心问题是：在文本到语音（TTS）合成中，如何让一个说话人的声音表★ 193
latent-pose-reenactment这是CVPR 2020论文《Neural Head Reenactment with Latent Pose Descriptors》的官方实现，用于数字人头部★ 181
GestureGANGestureGAN 是一个基于生成对抗网络（GAN）的手势到手势转换工具，发表于 ACM MM 2018（Oral）。它解决的是在自然场景（非受控环境）中，如★ 176
custom-diffusion360CustomDiffusion360 是一个基于 Stable Diffusion 的文本生成图像定制化扩展项目，核心解决现有定制化模型（如 DreamBoot★ 173
SyncDiffusionSyncDiffusion是NeurIPS 2023的官方实现，旨在解决扩散模型生成全景图时常见的拼接不连贯问题。它通过引入梯度同步机制，在去噪过程中动态调整各★ 170
blur-diffusionblur-diffusion 是论文《Progressive Deblurring of Diffusion Models for Coarse-to-Fine★ 159
FreeScaleFreeScale 是一个面向扩散模型的免调优高分辨率图像生成方法，代码随 ICCV 2025 论文发布。它解决了现有扩散模型在生成超出训练分辨率图像时出现的结★ 148
LGGANLGGAN 是一个基于生成对抗网络的语义引导场景生成模型，发表于 CVPR 2020。它解决的是从语义分割图（或跨视角条件）生成逼真场景图像的问题，核心创新在于★ 144
ConffusionConffusion 是论文《Conffusion: Confidence Intervals for Diffusion Models》的官方实现，旨在为扩散★ 143
EpiDiffEpiDiff 是一个基于扩散模型的多视角合成框架，旨在从单张图片生成高一致性的多视角图像，进而用于 3D 重建。它针对现有方法（如 MVDream）在全局注意★ 142
feed_forward_vqgan_clip这是一个前馈式VQGAN-CLIP模型，旨在解决传统文本生成图像方法中需要针对每个输入提示词反复优化VQGAN潜空间的问题。传统方法（如VQGAN-CLIP）在★ 140
Sin3DMSin3DM 是一个基于单张3D形状训练的扩散模型，旨在解决3D生成中数据稀缺的问题。它从单个3D形状学习其内部分布，能够生成多样化的、与输入形状相似的新3D模★ 140
VAE-for-Image-Generation这是一个用Keras实现变分自编码器（VAE）的教学型开源项目，专注于图像生成和潜在空间可视化。项目在MNIST和CIFAR10数据集上完成了VAE的完整实现，★ 123
PrimDiffusionPrimDiffusion 是一个基于扩散模型的 3D 人体生成框架，核心创新在于使用体素化基元（Volumetric Primitives）作为 3D 表示，★ 119
SenseFlowSenseFlow 是一个基于流匹配的文本到图像扩散模型蒸馏框架，旨在解决扩散模型采样速度慢的问题。它通过分布匹配技术，将复杂的教师模型（如 Stable Di★ 117
PerCoPerCo 是一个基于 PyTorch 的开源图像压缩工具，对应 ICLR 2024 论文《Towards Image Compression with Per★ 106
eccv16_attr2imgAttribute2Image 是 ECCV 2016 论文的 Torch 实现，旨在根据属性描述生成对应的图像。该项目解决了从离散属性（如颜色、形状、类别）到★ 94
Conditional-AnimeGANConditional-AnimeGAN 是一个基于条件生成对抗网络（Conditional GAN）的动漫人脸生成项目。它解决了从随机噪声或指定类别条件生成高★ 93
Vec2FaceVec2Face 是 ICLR 2025 收录的官方实现，旨在解决人脸数据集生成中的规模与多样性瓶颈。传统方法依赖精确条件控制（如文本、属性标签），而 Vec2★ 92
Generating-Devanagari-Using-DRAW这是一个基于PyTorch实现的DRAW（深度循环注意力写手）模型，专门用于生成天城文（Devanagari）手写字符。DRAW是一种循环神经网络生成模型，通过★ 87
stable-diffusion-API这是一个非官方的 Stable Diffusion API 实现，基于 FastAPI 构建，旨在为 Stable Diffusion 模型提供便捷的 HTTP★ 82
DiffRollDiffRoll 是一个基于扩散模型的自动音乐转录（AMT）开源项目，采用 PyTorch 实现。它解决的是将音频信号转换为符号化音乐表示（如钢琴卷帘）的问题，★ 82
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
h-edith-Edit 是一个基于扩散模型的图像编辑工具，核心创新在于引入 Doob 的 h-变换理论，将编辑过程建模为条件扩散过程，从而在保持图像结构的同时实现灵活、高★ 80
ConceptorConceptor 是论文《The Hidden Language of Diffusion Models》的官方实现，旨在揭示并操控 Stable Diffu★ 79
particle-guidanceParticle Guidance 是一个基于扩散模型的图像生成工具，实现了论文《Particle Guidance: non-I.I.D. Diverse S★ 77
guided-diffusion-kerasguided-diffusion-keras 是一个基于 Keras 框架实现的扩散模型库，专注于文本到图像的生成任务。它提供了从零开始构建和训练扩散模型的完整★ 76
FedKTLFedKTL 是一个面向异构联邦学习的知识迁移框架，核心解决在客户端数据分布不均、算力差异大的场景下，如何高效利用服务端预训练生成模型（如GAN）向客户端迁移知★ 69
color-peelcolor-peel 是一个基于扩散模型的图像生成项目，旨在从形状中解耦出目标颜色，实现颜色与形状概念的分离。它通过生成一系列带有目标颜色的几何形状，并联合学习★ 68
WaveGAN-pytorchWaveGAN-pytorch 是论文《Synthesizing Audio with Generative Adversarial Networks》的 Py★ 66
Rickrolling-the-Artist这是一个针对文本引导图像生成模型（如Stable Diffusion）的后门攻击研究项目，源自ICCV 2023论文。它解决了生成模型被恶意篡改的安全问题：攻击★ 63
SGAM_NeurIPS22SGAM是NeurIPS 2022收录的3D场景生成与映射同步进行的研究项目。它旨在解决传统3D场景生成中生成与映射分离导致的一致性问题，通过同时生成和映射，构★ 63
ALDMALDM 是 ICLR 2024 论文《Adversarial Supervision Makes Layout-to-Image Diffusion Mode★ 58
swdswd 是一个基于 TensorFlow 的无监督视频与图像生成开源项目，旨在通过生成对抗网络（GAN）实现高质量的视频和图像合成。它解决了传统监督学习方法依赖★ 57
gcagca 是论文《Generative Cellular Automata》的官方实现，发表于 ICLR 2021 和 2022（spotlight）。该项目将传★ 55
GenHowToGenHowTo 是 CVPR 2024 论文的官方代码实现，专注于从教学视频中学习生成动作和状态转换。它解决的是如何让 AI 理解视频中的操作步骤，并生成可执★ 54
NeuroRVQNeuroRVQ是一个面向生物信号（如脑电、心电、肌电等）的多尺度神经残差向量量化（Residual Vector Quantization）工具库，旨在将连续★ 54