#diffusion-models Repositories
Insgesamt 473 Repositories
Offizielle PyTorch-Implementierung von ODISE: Open-Vocabulary Panoptic Segmentation mit Text-zu-Bild-Diffusionsmodellen [CVPR 2023 Highlight]
[ECCV'24] GeoWizard: Diffusion Priors für die 3D-Geometrie-Schätzung aus einem einzigen Bild entfesselt
Vchitect-2.0: Paralleler Transformer zum Skalieren von Video-Diffusionsmodellen
Zusammenfassung der wichtigsten Arbeiten und Blogs über Diffusionsmodelle, um sich mit dem Thema vertraut zu machen. Detaillierte Liste aller veröffentlichten Diffusionsrobotik-Arbeiten.
MindSpore + 🤗Huggingface: Führen Sie jedes Transformers/Diffusers-Modell auf MindSpore mit nahtloser Kompatibilität und Beschleunigung aus.
Implementierung von [CVPR 2025] „DiffSensei: Verbindung multimodaler LLMs und Diffusionsmodelle für die benutzerdefinierte Manga-Generierung“
App mit mehreren Echtzeit-Diffusionsmodell-Pipelines mit Diffusers
Eine kuratierte Veröffentlichungsliste zu Open-Vokabular-semantischer Segmentierung und verwandten Bereichen (z. B. Zero-Shot-semantische Segmentierung) Ressourcen..
[ICCV 2025, Vortrag] TrajectoryCrafter: Umleitung der Kameratrajektorie für monokulare Videos mittels Diffusionsmodellen
Zusammenfassung von Lernmaterialien zu den Prinzipien von Diffusionsmodellen und PyTorch-Code-Implementierung
Step1X-3D: Auf dem Weg zur hochgetreuen und kontrollierbaren Erzeugung von texturierten 3D-Assets
Wir stellen einen neuartigen Ansatz zur Parametergenerierung vor, genannt neuronale Netzwerk-Parameterdiffusion (p-diff), der ein Standard-Latent-Diffusion-Modell verwendet, um einen neuen Satz von Parametern zu synthetisieren.
Code für "FlashWorld: Hochwertige 3D-Szenengenerierung in Sekundenschnelle" (ICLR 2026 Oral)
SEED-Story: Multimodale Langgeschichtengenerierung mit Large Language Model
Einbetten von Gaussian Splatting in den Diffusions-Denoiser zur schnellen und skalierbaren einstufigen Bild-zu-3D-Generierung und -Rekonstruktion (ICCV 2025)
[CVPR 2025 Highlight🔥] Identitätserhaltende Text-zu-Video-Generierung durch Frequenzzerlegung
Offizielle Implementierung des Papers „MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens“
Offene Daten und skalierbares Training für Video-Weltmodelle mit langem Zeithorizont.
DeepInverse: eine PyTorch-Bibliothek zum Lösen von Bildinversionsproblemen mithilfe von Deep Learning
Instruct-NeRF2NeRF: Bearbeiten von 3D-Szenen mit Anweisungen (ICCV 2023)
DiffuCoder: Verständnis und Verbesserung von Masked Diffusion Models für die Code-Generierung
Offizielle Implementierung von „Lotus: Diffusionsbasiertes visuelles Grundmodell für hochqualitative dichte Vorhersage“
Offizielle Implementierung für "RIFLEx: Ein Free Lunch für Length Extrapolation in Video Diffusion Transformers" (ICML 2025), UltraViCo (ICLR 2026) und UltraImage
📖 Dies ist ein Repository zur Organisation von Papieren, Codes und anderen Ressourcen im Zusammenhang mit einheitlichen multimodalen Modellen.
Beeindruckende Sammlung von Ressourcen und Forschungsarbeiten zu Diffusionsmodellen für die Robotermanipulation.
Cosmos-Transfer1 ist ein Welt-zu-Welt-Transfermodell, das entwickelt wurde, um die Wahrnehmungslücke zwischen simulierten und realen Umgebungen zu schließen.
Offizielle Implementierung von "MeshDiffusion: Score-based Generative 3D Mesh Modeling" (ICLR 2023 Spotlight)
[CVPR 2024] GaussianDreamer: Schnelle Generierung von Text zu 3D-Gaussiana durch die Verknüpfung von 2D- und 3D-Diffusionsmodellen
Liste von Arbeiten zur neuronalen Netzwerkquantisierung in den neuesten KI-Konferenzen und Fachzeitschriften.
Eine kuratierte Liste von 3D-Vision-Papieren im Bereich Robotik im Zeitalter großer Modelle, d. h. LLMs/VLMs, inspiriert von Awesome-Computer-Vision, einschließlich Papieren, Codes und verwandten Websites
Offizielle Implementierung von "LucidDreamer: Auf dem Weg zur High-Fidelity-Text-zu-3D-Generierung mittels Intervall-Score-Matching"
Offizielle Implementierung von Diffusion Policy Policy Optimization, arxiv 2024
[ICLR'23] DiffuSeq: Sequenz-zu-Sequenz-Textgenerierung mit Diffusionsmodellen
[ACM MM 2024] Offizieller Code für „HandRefiner: Verbesserung fehlerhafter Hände in generierten Bildern durch diffusionsbasierte bedingte Inpainting“
Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.
Modelkomprimierungs-Toolbox für große Sprachmodelle und Diffusionsmodelle
[ICLR 2024] Steuerung von Vision-Language-Modellen zur universellen Bildrestaurierung. Bedeutete den 5. Platz in der NTIRE 2024 Restore Any Image Model in the Wild Challenge.
Einfacher und lesbarer Code zum Trainieren und Stichproben von Diffusionsmodellen