generative-models
本站收录 33 个带「generative-models」标签的 AI 开源项目
awesome-llm-powered-agent这是一个精心整理的关于大语言模型驱动智能体的资源列表，收录了相关论文、开源仓库、博客文章等。它旨在帮助开发者和研究者快速了解LLM Agent领域的最新进展和核★ 2,251
awesome-japanese-llm这是一个专门汇总日本语大语言模型（LLM）资源的精选清单项目，旨在解决日语NLP领域模型分散、信息难找的问题。它系统整理了各类支持日语的LLM，包括开源模型、商★ 1,433
Blend_My_NFTsBlend_My_NFTs 是一个基于 Blender 的自动化 3D 内容生成工具，主要面向 NFT 创作者和 3D 设计师。它解决了手动逐个制作 3D 模型★ 1,017
GenAI_LLM_timeline这是一个记录ChatGPT、生成式AI和大型语言模型发展历程的时间线项目，以结构化列表形式梳理了从早期模型到GPT系列、Claude、Llama等关键里程碑事件★ 949
org-aiorg-ai 是一个将 Emacs 转变为个人 AI 助手的开源项目，旨在让用户在熟悉的 Emacs 环境中直接使用大型语言模型（如 ChatGPT、LLaMA★ 821
SparkVSRSparkVSR 是一个基于稀疏关键帧传播的交互式视频超分辨率工具，由 ECCV 2026 论文提出。它解决传统视频超分方法计算量大、无法实时交互的问题，通过智★ 741
focal-frequency-lossFocal Frequency Loss 是一个基于频域分析的图像重建与合成损失函数库，来自 ICCV 2021 论文。它解决的是生成模型（如 GAN、自编码器★ 715
DiffusionFastForwardDiffusionFastForward 是一个面向扩散生成模型的开源课程与实验框架，旨在帮助学习者和开发者快速上手扩散模型。项目以 Jupyter Noteb★ 685
cycle-diffusionCycle-Diffusion 是一个基于扩散模型的图像编辑工具，核心思想是在潜在空间中实现源图像与目标图像之间的循环一致性映射，从而支持无需额外训练的图像到图★ 661
genblazeGenblaze 是一个开源 Python SDK，用于编排跨视频、音频和图像提供商的生成式 AI 媒体管道，并为每个输出内置来源追踪。它解决了在多个 AI 服★ 551
ICASSP-2023-24-Papers这是一个汇集ICASSP 2023和2024会议论文的仓库，旨在为声学、语音和信号处理领域的研究者提供一站式的论文集合。项目解决了学术会议论文分散、难以系统追踪★ 525
PIDMPIDM 是一个基于扩散模型的人物图像合成项目，发表于 CVPR 2023。它解决的是在给定人物参考图像和目标姿态的条件下，生成逼真、细节丰富的人物图像的问题。★ 502
FlashVideoFlashVideo 是一个面向高效高分辨率视频生成的开源项目，源自 AAAI-2026 论文。它针对现有视频扩散模型在生成高分辨率视频时计算成本高、细节保真度★ 483
Awesome-Evaluation-of-Visual-Generation这是一个聚焦视觉生成模型评测领域的精选资源列表，系统整理了相关的评估指标、评估模型和评估系统。它解决了视觉生成领域缺乏统一、全面评测参考的问题，为研究人员和工程★ 464
multimodal-garment-designerMultimodal Garment Designer 是一个基于潜在扩散模型的时尚图像编辑工具，源自 ICCV 2023 论文。它解决的是服装设计场景中，通过★ 445
pytorch-generativepytorch-generative 是一个基于 PyTorch 的生成模型工具库，旨在让生成建模变得简单易用。它实现了多种经典生成模型，包括 PixelCNN★ 439
World-SimulatorWorld-Simulator 是一个围绕“模拟真实世界”主题的学术资源聚合项目，收录了 IEEE TPAMI 2026 论文《Simulating the R★ 391
VoiceFlow-TTSVoiceFlow-TTS 是 ICASSP 2024 官方开源的高效文本转语音（TTS）模型，基于修正流匹配（Rectified Flow Matching）★ 375
ai4artistsai4artists 是一个面向 AI 艺术创作者的开源资源聚合清单（awesome-list），旨在系统整理 AI 艺术领域的课程、工具、库、人物与社区。它解★ 365
physics-IQ-benchmark这是一个用于评估生成式视频模型物理理解能力的基准测试工具。它通过设计一系列物理场景和任务，测试视频生成模型是否真正理解物体的运动规律、碰撞、重力等物理现象，而不★ 353
SDGymSDGym 是一个用于基准测试合成数据生成方法的开源工具，由 SDV 团队开发。它解决了如何公平、系统地评估不同合成数据生成算法性能的问题。SDGym 提供了一★ 311
panaceaPanacea 是 CVPR 2024 的官方实现，专注于自动驾驶场景的全景可控视频生成。它解决自动驾驶仿真中数据稀缺和场景覆盖不足的问题，能够生成多摄像头、全★ 263
consistency-modelsconsistency-models 是 OpenAI 官方发布的用于训练和采样一致性模型的工具包。一致性模型是一种新型的生成模型，旨在解决传统扩散模型采样速度★ 207
Synthesize3DviaDepthOrSil这是一个2017年CVPR论文的开源实现，用于通过多视图深度图或轮廓图来生成和重建3D形状。项目核心是训练一个生成对抗网络（GAN）和变分自编码器（VAE）模型★ 170
WatermarkDMWatermarkDM 是论文《A Recipe for Watermarking Diffusion Models》的官方代码实现，专注于为扩散模型生成的图像★ 155
content-debiased-fvdcontent-debiased-fvd 是 CVPR 2024 论文《On the Content Bias in Fréchet Video Distanc★ 148
unified-generative-zoounified-generative-zoo 是一个基于 PyTorch 的统一生成模型代码库，收录了扩散模型、GAN、基于分数的生成模型等主流方法，并支持 3★ 123
SingleShapeGenSingleShapeGen 是 SIGGRAPH Asia 2022 论文《Learning to Generate 3D Shapes from a Sin★ 99
Awesome-3D-Generation这是一个精选的3D生成资源列表，汇集了AI驱动的3D内容创作相关的论文、工具和资源。项目旨在为研究人员、开发者和爱好者提供一个系统性的导航，帮助用户快速了解3D★ 79
W-FlowW-Flow 是论文《One-Step Generative Modeling via Wasserstein Gradient Flows》的官方代码实现，旨★ 76
neurips18_hierchical_image_manipulation这是一个基于PyTorch实现的NeurIPS 2018论文《Generative Image Manipulation with Hierarchical S★ 68
ShelfShelf 是一个面向 AI 和数据科学领域的资源聚合型基础设施项目，定位为“一个宽阔的架子”，旨在系统化整理和展示 AI/数据科学生态中的各类工具、框架、模型★ 62
amodalAmodal是CVPR 2024 Highlight论文《Amodal Completion via Progressive Mixed Context Dif★ 56