awesome-repositories.com
Blog
MCP
awesome-repositories.com

Descoperă cele mai bune repository-uri open source cu căutare AI.

ExploreazăCăutări recomandateAlternative open-sourceSoftware self-hostedBlogHartă site
ProiectServer MCPDespreCum realizăm clasamentulPresă
LegalConfidențialitateTermeni
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repository

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

Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
  • facebookresearch/flow_matchingAvatar facebookresearch

    facebookresearch/flow_matching

    4,562Vezi pe GitHub↗

    Acest proiect este un framework de modele generative bazat pe PyTorch, conceput pentru a transforma zgomotul în distribuții complexe de date prin învățarea câmpurilor vectoriale și a căilor de probabilitate. Acesta servește drept toolkit multimodal pentru generarea de text și imagini sintetice prin fluxuri de probabilitate. Biblioteca se distinge prin suportul pentru integrări continue, discrete și pe varietăți Riemanniene. Acest lucru permite framework-ului să gestioneze o varietate de tipuri de date, inclusiv date categorice prin „discrete-state flow matching” și spații non-euclidiene prin integrare pe varietăți Riemanniene. Toolkit-ul acoperă întregul pipeline generativ, incluzând definirea căilor de probabilitate, regresia câmpurilor vectoriale și utilizarea solverelor de ecuații diferențiale pentru eșantionarea datelor. Aceste capabilități permit antrenarea și inferența modelelor generative capabile să creeze conținut sintetic pe mai multe modalități.

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

    Python
    Vezi pe 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