#diffusion-models Repositories
Insgesamt 473 Repositories
Ein einheitlicher Inferenz- und Post-Training-Framework für die beschleunigte Videogenerierung.
Ob Sie nun ein absoluter Anfänger im Kurs sind, Projektanwendungen in CV, NLP, LLM verfolgen oder die fortschrittliche ingenieurmäßige Bereitstellung und Implementierung anstreben, in „Praktischer Pytorch-Leitfaden“ (2. Auflage) finden Sie alles. Wir glauben, dass Leser mit Hilfe dieses Buches die Verwendung von PyTorch mühelos meistern und ausgezeichnete Deep-Learning-Ingenieure werden können.
Hunyuan-DiT: Ein leistungsstarker Multi-Resolution Diffusion Transformer mit feingranularem Chinesischverständnis
Die offizielle PyTorch-Implementierung des Papiers "Human Motion Diffusion Model"
Erstelle Videos auf dem Computer, den du bereits besitzt. FreeVideo führt MiniMax H3 mit nur 8 GB VRAM und 16 GB RAM aus und passt seinen Beschleunigungspfad an deine Hardware an.
[ICLR2025 Spotlight] SVDQuant: Übernahme von Ausreißern durch niedrigrangige Komponenten für 4-Bit-Diffusionsmodelle
Veröffentlichung für verbesserte Denoising Diffusion Probabilistic Models
GLIDE: ein auf Diffusion basierendes textbasiertes bedingtes Bildsynthesemodell
Eine kuratierte Liste von hochmodernen Forschungsarbeiten im Bereich Embodied AI, mit Schwerpunkt auf Vision-Language-Action (VLA)-Modellen, Vision-Language Navigation (VLN) und verwandten multimodalen Lernansätzen.
[NeurIPS 2024] Offizieller Code für PuLID: Reine und blitzschnelle ID-Anpassung durch kontrastierende Ausrichtung
Offizieller Quellcode für „Self Forcing: Bridging Training and Inference in Autoregressive Video Diffusion“ (NeurIPS 2025 Spotlight)
Bearbeiten Sie alles in Bildern, angetrieben von segment-anything, ControlNet, StableDiffusion usw. (ACM MM)
Diffusion Model Papiere, Umfrage und Taxonomie
PixArt-α: Schnelles Training von Diffusion Transformer für fotorealistische Text-zu-Bild-Synthese
Offizielles Repository für VGen: ein ganzheitliches Videoerzeugungssystem für die Videoerzeugung auf der Grundlage von Diffusionsmodellen
[ICLR 2025] Pyramidal Flow Matching für effiziente generative Videomodellierung
Super-Resolution-bezogene Papers, Daten und Repositories sammeln
[NeurIPS 2025] Let Them Talk: Audio-gesteuerte multpersonale Konversations-Videogenerierung
Leichtgewichtiges Framework für die Inferenz von Bild- und Videoaktionsgenerierung
[ICLR 2024] Offizielle Implementierung von DreamCraft3D: Hierarchische 3D-Generierung mit bootstrapped Diffusion Prior
Ein allgemeines Fine-Tuning-Kit, das auf Bild-/Video-/Audio-Diffusionsmodelle zugeschnitten ist.
Um die Verwendung von ComfyUI zu erleichtern, habe ich einige Optimierungen und Integrationen für einige häufig verwendete Knoten vorgenommen.
Hochwertige Generierung von menschlichen Bewegungs-Videos mit Konfidenz-bewusster Posenführung
MusePose: ein Haltungsgesteuertes Bild-zu-Video-Framework für die Generierung virtueller Menschen
[NeurIPS 2025] Eine offizielle Implementierung von Flow-GRPO: Training von Flow Matching Modellen über Online RL
[ECCV 2026 Spotlight] Implementierung von „Live Avatar: Streaming-basierte, echtzeitfähige, audiogesteuerte Avatar-Generierung mit unbegrenzter Länge“
Eine kuratierte Sammlung von Fachartikeln, Benchmarks, Übersichtsarbeiten und Tools zur Modellquantisierung, die Low-Bit-Netzwerke, LLMs, multimodale und generative Modelle, Vektor- und Gitterquantisierung sowie eine effiziente Bereitstellung abdeckt.
Offizielle PyTorch-Implementierung der ein-minütigen Videogenerierung mit Test-Time-Training
📹 Ein flexibleres Framework, das Videos in jeder Auflösung generieren und Videos aus Bildern erstellen kann.