GLIGEN

Generación de imágenes abierta basada en indicaciones

Producto ComúnImagenVisión por computadoraAprendizaje profundo

GLIGEN es un modelo de generación de imágenes abierto basado en indicaciones de texto. Puede generar imágenes a partir de descripciones textuales y condiciones restrictivas como cuadros delimitadores. El modelo se implementa congelando los parámetros de un modelo de difusión preentrenado de texto a imagen e insertando nuevos datos. Este diseño modular permite un entrenamiento eficiente y una gran flexibilidad en la inferencia. GLIGEN admite la generación de imágenes condicionales en un mundo abierto, mostrando una gran capacidad de generalización para conceptos y diseños novedosos.

Best AI Websites & Tools

GLIGEN

GLIGEN Situación del tráfico más reciente

GLIGEN Tendencia de visitas

GLIGEN Distribución geográfica de las visitas

GLIGEN Fuentes de tráfico

GLIGEN Alternativas

GLIGEN — Generación de imágenes abierta basada en indicaciones

LLaMA-Mesh — Unificación de modelos de lenguaje y generación de mallas 3D

diffusion-e2e-ft — Herramienta de ajuste fino para modelos de difusión condicional de imágenes

MASt3R — Modelo avanzado para la correspondencia de imágenes 3D

SCEPTER — Marco de entrenamiento, ajuste fino e inferencia de modelos generativos de código abierto

YOLO-NAS Pose — Una biblioteca de código abierto para entrenar modelos de visión por computadora en PyTorch.

HunyuanVideo-I2V — HunyuanVideo-I2V es un framework de generación de imagen a video basado en HunyuanVideo, desarrollado por Tencent.

SRM — Resuelve tareas visuales en distribuciones complejas mediante el razonamiento espacial a través de modelos generativos de eliminación de ruido.

QwQ-32B — QwQ-32B es un potente modelo de inferencia, diseñado para la resolución de problemas complejos y la generación de texto, con un rendimiento excepcional.

GaussianCity — Un marco eficiente para la generación de ciudades 3D sin límites, que utiliza la técnica de dibujo gaussiano 3D para una generación rápida.

CogView4-6B — CogView4-6B es un potente modelo de generación de imágenes a partir de texto, centrado en la generación de imágenes de alta calidad.

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

PhotoDoodle — PhotoDoodle es una implementación de código que aprende la edición de imágenes artísticas a partir de un pequeño conjunto de datos de pares de imágenes.

Datos de perfilado en DeepSeek Infra — Analiza las estrategias de superposición de cómputo y comunicación en V3/R1, proporcionando datos de análisis de rendimiento para frameworks de aprendizaje profundo.

EPLB — Un algoritmo de código abierto para el balanceo de carga de paralelismo de expertos, diseñado para optimizar la asignación y el balanceo de carga de expertos en entornos multi-GPU.

DualPipe — Un algoritmo de paralelismo de canalización bidireccional que superpone el cálculo y la comunicación durante el entrenamiento V3/R1.

DeepGEMM — DeepGEMM es una biblioteca CUDA para la multiplicación de matrices FP8 de alta eficiencia, que admite escalado de grano fino y diversas técnicas de optimización.

MLGym — MLGym es un nuevo marco y punto de referencia para avanzar en la investigación de agentes de IA.

DeepEP — DeepEP es una biblioteca de comunicación eficiente para Mixture-of-Experts (MoE) y comunicación paralela de expertos (EP).

FlexHeadFA — Mecanismo de atención preciso, rápido y eficiente en cuanto a memoria.

FlashMLA — FlashMLA es un núcleo de decodificación MLA eficiente optimizado para GPU Hopper, ideal para servicios de secuencias de longitud variable.

QwQ-Max-Vista previa — QwQ-Max-Vista previa es el último logro de la serie Qwen, construido sobre Qwen2.5-Max, y cuenta con una potente capacidad de razonamiento y aplicaciones multidominio.

Claude 3.7 Sonnet — Claude 3.7 Sonnet es el último modelo inteligente de Anthropic, que ofrece respuestas rápidas y razonamiento profundo.

VLM-R1 — VLM-R1 es un modelo de lenguaje visual reforzado estable y versátil, enfocado en tareas de comprensión visual.

BioEmu — BioEmu es un modelo de aprendizaje profundo generativo para la simulación escalable de conjuntos de equilibrio de proteínas.

FlashVideo — FlashVideo es un modelo de generación de vídeo de alta resolución y alta eficiencia, centrado en la fluidez de los detalles y la fidelidad.

Detección de Compatibilidad de Modelos DeepSeek — Detecta si un dispositivo puede ejecutar modelos DeepSeek de diferentes escalas, ofreciendo una predicción de compatibilidad.

Huginn-0125 — Huginn-0125 es un modelo de profundidad recurrente con variables latentes de 3.5 mil millones de parámetros, que destaca en el razonamiento y la generación de código.

Preentrenamiento de modelos de lenguaje recurrentes a gran escala — Código de preentrenamiento para modelos de lenguaje recurrentes profundos a gran escala, compatible con la ejecución en 4096 GPU AMD.

InspireMusic — Kit de herramientas y modelos para la generación de música, canciones y audio basado en PyTorch, que admite la generación de audio de alta calidad.