#diffusion-models Repositories
Insgesamt 473 Repositories
PyTorch-Implementierung von MeanFlow & iMF (einstufige generative Modellierung).
[Finalist für die mündliche Präsentation und den besten Artikel bei CVPR 2025] Difix3D+: Verbesserung von 3D-Rekonstruktionen mit Einstufen-Diffusionsmodellen
Interaktive Visualisierungen der geometrischen Intuition hinter Diffusionsmodellen.
Wunjo Make: Gesichtstausch, Lippensynchronisation, Steuerung, Entfernen von Objekten, Text und Hintergrund, Neugestaltung, Audiotrennung, Stimmenklonen und Videogenerierung. Open Source, lokal und kostenlos.
[ICLR24] Offizielle Implementierung des Papers „MagicDrive: Erzeugung von Straßenszenen mit vielfältiger Steuerung der 3D-Geometrie“
[ICLR 2025 Oral] TANGO: Co-Speech-Gesten-Video-Reenactment mit hierarchischer Audio-Bewegungs-Einbettung und Diffusionsinterpolation
Ein Basismodell, das synchronisierte Videos und Audiodaten in einem einzigen Modell generiert
[IJCV] Show-1: Pixel- und Latent-Diffusionsmodelle für die Text-zu-Video-Generierung heiraten
GaussianObject: Hochwertige 3D-Objektrekonstruktion aus vier Ansichten mit Gaussian Splatting (SIGGRAPH Asia 2024, TOG)
[ICLR 2026 Oral] DiffusionNFT: Online Diffusionsverstärkung mit Vorwärtsprozess
Allegro ist ein leistungsstarkes Text-zu-Video-Modell, das aus einfachen Texteingaben Videos von bis zu 6 Sekunden Länge mit 15 Bildern pro Sekunde und einer Auflösung von 720p generiert.
Werkzeuge zum Trainieren eines generativen Modells auf beliebigen Audiobeispielen
Eine Sammlung von Ressourcen zur steuerbaren Generierung mit Text-zu-Bild-Diffusionsmodellen.
Offizielle Veröffentlichung von Code und Checkpoints für Foundation Models für mobile Roboter: GNM, ViNT und NoMaD.
[ICLR 2025 Oral] Die offizielle Implementierung von „Diffusion-Based Planning for Autonomous Driving with Flexible Guidance“
[ICLR'24 Spotlight] Chinesische und Englische multimodale Großmodelle Serie (Chat und Paint) | Chinesisch-Englische zweisprachige multimodale große Modelle-Serie basierend auf dem CPM-Basismodell
[TMLR] Speicherführende Diffusion für die Generierung expressiver sprechender Videos
[ECCV 2026] Skyfall-GS: Synthese immersiver 3D-Stadtlandschaften aus Satellitenbildern
[ICLR 2024 Spotlight] SyncDreamer: Generierung von multiview-konsistenten Bildern aus einem einzelnen Ansichtsbild
[CVPR 2025 Highlight] 3DTopia-XL: Hochwertige 3D PBR Asset-Generierung durch Primitive Diffusion
[ECCV 2024 Oral] MotionDirector: Motion Customization of Text-to-Video Diffusion Models.
[ICML 2026] Offizielle Codebasis für „Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation“ & Causal Forcing++
[ICLR2026] Überdenken der hochqualitativen ästhetischen Poster-Generierung in einem einheitlichen Rahmen
[TPAMI 2026] ConsistentID: Porträtgenerierung mit multimodaler feingranularer Identitätserhaltung
Offizielle Implementierung der Veröffentlichung: „FlowEdit: Inversionsfreie textbasierte Bearbeitung mit vortrainierten Flow-Modellen“
[ECCV2024] Pixel-bewusste stabile Diffusion für realistische Bild-Super-Resolution und personalisierte Stilisierung
Eine Umfrage und eine Papierliste aktueller Diffusionsmodelle für Zeitreihen und raumzeitliche Daten mit großartigen Ressourcen (Artikel, Anwendung, Überprüfung, Umfrage usw.).
[CVPR 2024] PIA, Ihr personalisierter Bildanimator. Animieren Sie Ihre Bilder mit Textaufforderungen, in Kombination mit Dreambooth, um beeindruckende Videos zu erzielen. PIA, Ihr personalisierter Bildanimator, verwandelt Ihre Bilder mit Textaufforderungen in erstaunliche Animationen.
Code für die Veröffentlichung „Visuelle Anagramme: Generierung von Multi-View-optischen Täuschungen mit Diffusionsmodellen“
Ein Port von muerrilla's sd-webui-Detail-Daemon als Knoten für ComfyUI, um die Detailsteuerungssigmas anzupassen.
[ICLR 2026] Ein trainierungsfreier iterativer Rahmen für die Visualisierung langer Geschichten
eine Zusammenfassung der diffusionsbasierten Bildverarbeitung, einschließlich Wiederherstellung, Verbesserung, Kodierung und Qualitätsbewertung
Branchenweites Video-Grundlagenmodell für die einheitliche Generierung von Text-zu-Video (T2V) und Bild-zu-Video (I2V).
[IJCV 2024] LaVie: Hochwertige Videogenerierung mit kaskadierten latenten Diffusionsmodellen