Awesome GitHub RepositoriesUnconditional Generation

This is a PyTorch-based implementation of diffusion models for synthesizing photorealistic images and video. It provides a framework for text-to-image and text-to-video generation, as well as unconditional image synthesis. The system utilizes a cascading diffusion pipeline to produce high-resolution imagery by passing low-resolution outputs through a sequence of super-resolution models. It also includes capabilities for image inpainting, allowing the reconstruction of masked or missing regions of visual media guided by surrounding context and text prompts. The project includes tools for diff

mmagic is a multimodal training pipeline and framework for generative AI, focusing on visual synthesis and restoration. It provides the infrastructure to build and train models for tasks such as text-to-image and text-to-video generation, 3D-aware content synthesis, and high-fidelity image translation using diffusion models and generative adversarial networks. The project distinguishes itself through specialized capabilities for generative model personalization, including techniques for fine-tuning subjects and styles. It also supports advanced visual manipulations such as latent space interp

This is a classifier-guided diffusion framework for high-fidelity image generation. It implements a cascaded diffusion pipeline that chains a base diffusion model with a dedicated upsampler to progressively increase image resolution in stages, and uses classifier-guided diffusion sampling to steer the reverse diffusion process toward higher-quality outputs. The framework provides tools for training diffusion models from scratch using distributed processes with gradient accumulation, as well as training classifier models that provide gradient-based guidance during sampling. It supports both un

هذا المشروع هو إطار عمل للتعلم العميق لتحسين دقة صور الذكاء الاصطناعي وتوليف الوجوه. يوفر نموذج انتشار (Diffusion model) لرفع دقة الصور ومولداً توليدياً لصور الوجوه قادراً على تحويل الصور منخفضة الدقة إلى مخرجات عالية الدقة باستخدام أوزان نماذج مدربة مسبقاً. يستخدم النظام تحسين الانتشار التكراري وأخذ العينات الموجه منخفض الدقة لاستعادة التفاصيل الدقيقة والحدة. يدعم كلاً من توليد الصور غير المشروط، حيث يتم إنشاء الصور من الصفر، وتحسين الدقة الموجه لإعادة بناء الوجوه بدقة عالية. يتضمن المستودع خط معالجة لتدريب نموذج الانتشار مع تدريب موزع متعدد الـ GPU وتهيئة الأوزان المدربة مسبقاً. يتم دعم هذه البيئة من خلال تتبع تجارب النموذج، وتسجيل المقاييس الخارجية، واستئناف النموذج القائم على نقاط التحقق (Checkpoints).