awesome-repositories.com
المدونة
MCP
awesome-repositories.com

اكتشف أفضل مستودعات المصادر المفتوحة باستخدام بحث مدعوم بالذكاء الاصطناعي.

استكشفعمليات بحث منسقةبدائل مفتوحة المصدربرمجيات ذاتية الاستضافةالمدونةخريطة الموقع
المشروعخادم MCPحولكيفية ترتيب النتائجالصحافة
قانونيالخصوصيةالشروط
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 مستودع

Awesome GitHub RepositoriesODE-Based Trajectory Sampling

Generative sampling methods that integrate learned vector fields using ordinary differential equations.

Distinct from Distribution-Based Sampling: Distinct from general Distribution-Based Sampling by specifically using ODE integration to trace probability paths.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · ODE-Based Trajectory Sampling. Refine with filters or upvote what's useful.

Awesome ODE-Based Trajectory Sampling GitHub Repositories

اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
  • facebookresearch/flow_matchingالصورة الرمزية لـ facebookresearch

    facebookresearch/flow_matching

    4,562عرض على GitHub↗

    هذا المشروع عبارة عن إطار عمل للنماذج التوليدية مبني على PyTorch، مصمم لتحويل الضجيج إلى توزيعات بيانات معقدة من خلال تعلم حقول المتجهات ومسارات الاحتمالات. يعمل كأداة توليدية متعددة الوسائط لإنتاج نصوص وصور اصطناعية عبر تدفقات احتمالية متعلمة. يتميز إطار العمل بدعم التكامل مع الفضاءات المستمرة والمتقطعة ومتعددة الشعب (Riemannian manifolds)، مما يتيح له التعامل مع أنواع بيانات متنوعة، بما في ذلك البيانات الفئوية عبر مطابقة التدفق للحالات المتقطعة، والمساحات غير الإقليدية عبر التكامل مع الشعب الريمانية. تغطي الأداة دورة حياة التوليد بالكامل، بما في ذلك تحديد مسار الاحتمالية، وانحدار حقل المتجهات، واستخدام حلول المعادلات التفاضلية لأخذ عينات البيانات. تمكّن هذه القدرات من تدريب واستنتاج نماذج توليدية قادرة على إنشاء محتوى اصطناعي عبر وسائط متعددة.

    Uses ODE integration to sample new data points from learned vector fields.

    Python
    عرض على GitHub↗4,562
  1. Home
  2. Artificial Intelligence & ML
  3. Inference Sampling Strategies
  4. Reproducible Sampling
  5. Probabilistic Generative Sampling
  6. Distribution-Based Sampling
  7. ODE-Based Trajectory Sampling