#diffusion-models Repositories
Insgesamt 473 Repositories
[TPAMI 2026🔥] Helios: Ein Modell zur Generierung langer Videos in echter Echtzeit
📺 Eine End-to-End-Lösung für die Generierung von hochauflösenden und langen Videos basierend auf Transformer Diffusion
Lumina-T2X ist ein einheitlicher Rahmen für die Generierung von Text zu beliebigen Modalitäten
Sammlung von Diffusionsmodell-Papieren, kategorisiert nach ihren Teilgebieten
Diffusionsmodelle in der medizinischen Bildgebung (veröffentlicht im Medical Image Analysis Journal)
Offizielle PyTorch-Implementierung von "Diffusion Transformers with Representation Autoencoders"
Eine Leseliste für die Sicherheit, den Schutz und die Privatsphäre von großen Modellen (einschließlich Awesome LLM Security, Safety usw.).
[NeurIPS 2025] Bildbearbeitung ist eine einzige LoRA wert! 0,1 % Trainingsdaten für fantastische Bildbearbeitung! Übertrifft GPT-4o in der ID-Persistenz~ MoE ckpt veröffentlicht! Nur 4 GB VRAM reichen für den Betrieb!
PyTorch-Implementierung für Score-basierte generative Modellierung durch stochastische Differentialgleichungen (ICLR 2021, mündlich)
Code-Repository für Zero123++: ein Single-Image-zu-konsistenten-Multi-View-Diffusion-Basismodell.
[ICLR & NeurIPS 2025] Repository für die Show-o-Serie, ein einziger Transformer zur Vereinheitlichung des multimodalen Verständnisses und der Generierung.
[CVPR 2026] Auf dem Weg zur Echtzeit-Diffusion-basierten Streaming-Video-Super-Resolution — ein effizientes One-Step-Diffusion-Framework für Streaming-VSR mit lokalitätsbeschränkter, sparsamer Aufmerksamkeit und einem winzigen bedingten Decoder.
Custom Diffusion: Multi-Konzept-Anpassung von Text-zu-Bild-Diffusion (CVPR 2023)
OneDiff: Eine sofort einsatzbereite Beschleunigungsbibliothek für Diffusionsmodelle.
[ICCV 2025 Highlight] OminiControl: Minimale und universelle Steuerung für Diffusion Transformer
Vielseitige Audio-Super-Resolution (beliebig -> 48kHz) mit AudioSR.
DIAMOND (DIffusion As a Model Of eNvironment Dreams) ist ein Agent für bestärkendes Lernen, der in einem Diffusions-Weltmodell trainiert wurde. NeurIPS 2024 Spotlight.
Autoregressives Modell übertrifft Diffusion: 🦙 Llama für skalierbare Bilderzeugung
[ICLR 2025] CatVTON ist ein einfaches und effizientes Virtual-Try-on-Diffusionsmodell mit 1) Leichtgewichtsnetzwerk (insgesamt 899,06 Mio. Parameter), 2) Parametereffizientes Training (49,57 Mio. trainierbare Parameter) und 3) Vereinfachte Inferenz (< 8 GB VRAM für 1024 x 768 Auflösung).
[ICCV 2023] Make-It-3D: Hochwertige 3D-Erstellung aus einem einzigen Bild mit Diffusions-Prior
HunyuanVideo-I2V: Ein anpassbares Bild-zu-Video-Modell basierend auf HunyuanVideo
RDT-1B: ein Diffusionsgrundlagenmodell für bilaterale Manipulation
Offizieller Code für „DPM-Solver: Ein schneller ODE-Löser für Diffusion Probabilistic Model Sampling in etwa 10 Schritten“ (Neurips 2022 Oral)
Sammeln von herausragenden Arbeiten zu RAG für AIGC. Wir schlagen eine Taxonomie von RAG-Grundlagen, -Verbesserungen und -Anwendungen in der Arbeit "Retrieval-Augmented Generation for AI-Generated Content: A Survey" vor.
TorchMultimodal ist eine PyTorch-Bibliothek zum Trainieren von hochmodernen multimodalen Multi-Task-Modellen in großem Maßstab.
Implementierung von "EasyControl: Hinzufügen effizienter und flexibler Steuerung für Diffusion Transformer" (ICCV2025)
[NeurIPS 2023] ImageReward: Lernen und Bewerten menschlicher Präferenzen für die Text-zu-Bild-Generierung
[ECCV 2024] Die offizielle Implementierung des Papers "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"
VibeVoice: Expressive, Longform-Konversationssprachsynthese. (Community Fork)
MMaDA – Open-Source Multimodale Große Diffusions‑Sprachmodelle (dLLMs mit Blockdiffusion, mixed-CoT, unified RL)
[CVPR 2025] Erlernen von Flussfeldern in Attention für kontrollierbare Personengenerierung
Eine kuratierte Liste von Ressourcen zu Diffusion Models in RL (laufend aktualisiert)
Ein auf Flow Matching basierendes Text-to-Speech-Modell mit emoji-gesteuerter Stilsteuerung
[ICLR'25 Oral] Repräsentationsausrichtung für die Generierung: Das Trainieren von Diffusions-Transformatoren ist einfacher als Sie denken