Logo
Project Icon

variational-autoencoder

变分自编码器参考实现，兼容TensorFlow和PyTorch

Variational AutoencodertensorflowPyTorchjaxMNISTGithub开源项目

该项目提供了变分自编码器的参考实现，支持TensorFlow和PyTorch。项目中包含了逆自回归流变分家族的示例，通过变分推断对二值MNIST手写数字图像进行拟合。通过重要性采样估计边际似然，展示了高效的训练和验证结果。优化后的测试集边际对数似然达到了-95.33 nats。此外，该项目还提供了JAX实现，能够实现3倍于PyTorch的加速效果。

GithubGithub文档文档
介绍相关项目
bayesian-torch - 贝叶斯神经网络层和不确定性估计的PyTorch扩展库
Bayesian-TorchGithubPyTorch不确定性估计变分推断开源项目深度学习
Bayesian-Torch是PyTorch的扩展库，用于在深度学习模型中实现贝叶斯推理和不确定性估计。它提供贝叶斯层，支持将确定性神经网络转换为贝叶斯形式。库包含变分推理、MOPED、量化和AvUC损失等功能，适用于不确定性感知应用。研究人员和开发者可利用Bayesian-Torch构建更可靠、可解释的AI模型。
GAN-MNIST - TensorFlow实现的GAN模型生成MNIST手写数字图像
GANGithubMNISTTensorFlow图像生成开源项目深度学习
此项目展示了使用TensorFlow实现生成对抗网络(GAN)处理MNIST手写数字数据集。项目包含模型定义、训练脚本和图像处理工具，支持MNIST和CelebA人脸数据集。通过生成样本的可视化结果，展示了GAN生成逼真手写数字图像的能力。项目代码复现了Theano版本的实现，为开发者提供了学习和实践GAN技术的参考资源。
pytorch-generative - PyTorch生成模型开发的全能助手
GithubPyTorch图像生成开源项目机器学习深度学习生成模型
pytorch-generative是一个强大的Python库，为PyTorch生成模型开发提供全方位支持。该库包含SOTA生成模型的参考实现、常用模块的抽象、实用的训练调试工具，以及TensorBoard集成功能。支持自回归模型、变分自编码器等多种算法，并提供简洁API和完善文档，有效提升生成模型的开发和复现效率。
diffae - 基于扩散模型的自编码器框架实现图像生成与编辑
Diffusion AutoencodersGithub图像处理开源项目深度学习生成模型计算机视觉
diffae项目实现了基于扩散模型的自编码器框架，用于高质量图像的生成和编辑。该项目提供多个预训练模型，支持FFHQ、LSUN等数据集，实现了无条件生成、图像操作和插值等功能。项目包含使用说明、模型检查点和针对不同数据集的训练脚本，为图像生成和编辑研究提供了完整的工具链。
consistencydecoder - 稳定扩散VAE的高性能一致性解码器
Consistency DecoderGithubStableDiffusionPipeline人工智能图像生成开源项目深度学习
ConsistencyDecoder是一个开源项目，旨在优化稳定扩散变分自编码器(VAE)的解码过程。该解码器生成的图像质量优于传统GAN解码器，在细节保留和整体画质上表现突出。项目具有简便的安装和使用流程，支持CUDA加速，并可与StableDiffusionPipeline无缝集成。项目提供的对比示例直观展示了ConsistencyDecoder的性能优势。
VAR - 通过大规模预测生成可扩展图像的视觉自回归模型
GPT风格模型GithubVAR可视化自回归建模图像生成开源项目扩散模型
VAR模型利用创新的'下一尺度预测'策略，重塑自回归图像学习方式，优于传统扩散模型。它适用于多种图像生成任务，展现出优秀的尺度预测与型态泛化能力。现可通过FoundationVision/var进行交互体验。
taef1 - 高效微型自动编码器增强FLUX.1实时预览
FLUX.1GithubHuggingfaceTAEF1实时预览开源项目模型深度学习自动编码器
TAEF1是与FLUX.1 VAE共享“latent API”的微型自动编码器，旨在提升实时生成过程的预览体验。该模型轻量化设计，可在FLUX.1-schnell管道中使用，并与PyTorch和diffusers库兼容。TAEF1支持`.safetensors`格式的权重文件，并通过预训练的AutoencoderTiny整合。加载时支持bfloat16精度及CPU顺序卸载，适合有经验的用户。通过简便的Python代码，用户可以生成关于美味纽约风格浆果芝士蛋糕的图像。
autoregressive-diffusion-pytorch - 自回归扩散模型：无向量量化的图像生成方法
GithubPyTorch图像生成开源项目深度学习神经网络自回归扩散
autoregressive-diffusion-pytorch是一个基于PyTorch的自回归扩散模型实现，源自'Autoregressive Image Generation without Vector Quantization'论文。模型支持序列和图像输入，无需向量量化即可生成高质量图像。项目提供简洁API接口，包含详细使用说明和示例代码，适合研究人员和开发者探索自回归扩散模型。
pytorch-CycleGAN-and-pix2pix - PyTorch中的高效CycleGAN和pix2pix图像翻译
CycleGANGithubPyTorchpix2pix图像翻译开源项目神经网络
该项目提供了PyTorch框架下的CycleGAN和pix2pix图像翻译实现，支持配对和无配对的图像翻译。最新版本引入img2img-turbo和StableDiffusion-Turbo模型，提高了训练和推理效率。项目页面包含详细的安装指南、训练和测试步骤，以及常见问题解答。适用于Linux和macOS系统，兼容最新的PyTorch版本，并提供Docker和Colab支持，便于快速上手。
sd-vae-ft-mse - 改进稳定扩散自编码器提升图像重建效果
GithubHuggingfaceStable Diffusion图像生成开源项目模型模型微调深度学习自动编码器
sd-vae-ft-mse是一款经过微调的稳定扩散自编码器，在LAION-Aesthetics和LAION-Humans数据集上训练。该模型旨在提高图像重建质量，尤其是人脸细节。相比原始模型，它在PSNR和SSIM等指标上有明显提升，能够生成更平滑的图像。该模型可作为VAE组件轻松集成到现有的diffusers工作流中，用于稳定扩散图像生成。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号