#diffusion-models Repositories
Insgesamt 473 Repositories
Eine Zusammenfassung verwandter Arbeiten über Flow Matching, stochastische Interpolanten
Offizieller Inferenzcode für BluePixel, ein natives 4K-Bildbearbeitungsmodell mit destillierter Inferenz in 4 Schritten, basierend auf FLUX.2 Klein und DCAE.
Bildwiederherstellung mit Mean-Reverting Stochastic Differential Equations, ICML 2023. Siegerlösung der NTIRE 2023 Image Shadow Removal Challenge.
[ICML 2025] Offizielle PyTorch-Implementierung von "History-Guided Video Diffusion"
[NeurlPS2024] Ein-Schritt-effektives Diffusionsnetzwerk für reale Bildsuperauflösung
[ECCV 2024] Single Image to 3D Textured Mesh in 10 seconds with Convolutional Reconstruction Model.
Cosmos-Predict2 ist eine Sammlung von universellen Weltgrundlagenmodellen für Physical AI, die zu angepassten Weltmodellen für nachgelagerte Anwendungen feinabgestimmt werden können.
Eine Sammlung von Papieren und Codes für CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC
HunyuanImage-2.1: Ein effizientes Diffusionsmodell für hochauflösende (2K) Text-zu-Bild-Generierung
Offenes Diffusions-Sprachmodell für Codegenerierung – Veröffentlichung von Vortraining, Evaluation, Inferenz und Checkpoints.
DFloat11 [NeurIPS '25]: Verlustfreie Kompression von LLMs und DiTs für effiziente GPU-Inferenz
[IJCV 2026] FoleyCrafter: Erwecken Sie stumme Videos mit lebensechten und synchronisierten Geräuschen zum Leben.
[NeurIPS 2023] Uni-ControlNet: All-in-One-Steuerung für Text-zu-Bild-Diffusionsmodelle
Flash Diffusion — Beschleunigung konditionaler Diffusionsmodelle (AAAI 2025 Oral)
Implementierung von „DreamDiffusion: Generierung hochwertiger Bilder aus Gehirn-EEG-Signalen“
PyTorch-Implementierung von Make-An-Audio (ICML'23) mit einem Text-zu-Audio-Generierungsmodell
Chinesische Übersetzung von „Machine Learning: A Probabilistic Perspective“ (Kevin P. Murphy) und Python-Implementierungen der Algorithmen im Buch.
SteadyDancer: Harmonisierte und kohärente Animation von menschlichen Bildern mit Erhaltung des ersten Frames
Ein Wasserzeichen-Tool, um menschliche Kunstwerke vor der Verwendung in synthetischen Kunstwerken zu schützen.
Dieses Repository enthält eine Sammlung von Ressourcen und Arbeiten zu Diffusion Models für RL, die die Arbeit "Diffusion Models for Reinforcement Learning: A Survey" begleiten.
Verbessere die Qualität kleiner Gesichter in MiniMax-H3-Videos. Verfolge die Gesichter Bild für Bild, schneide sie aus, verbessere sie mit H3 und füge sie wieder ins Video ein.
[CVPR'26 Highlight] Ditto: Skalierung der anweisungsbasierten Videobearbeitung mit einem hochwertigen synthetischen Datensatz
[CVPR'26] ObjectClear: Präzise Objekt- und Effektextraktion mit adaptiv an Ziel orientierter Aufmerksamkeit
Vision–Language–Action-Modelle für autonomes Fahren (VLA4AD) Ressourcen, die als begleitendes Repository zu dem Übersichtsartikel „A Survey on Vision–Language–Action Models for Autonomous Driving“ dienen.
Offizielle Implementierung für "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Dies ist ein offizieller Inferenzcode für die Paper "Glyph-ByT5: Ein angepasster Text-Encoder für präzises visuelles Text-Rendering" und "Glyph-ByT5-v2: Eine starke ästhetische Baseline für präzises mehrsprachiges visuelles Text-Rendering""
[ICCV 2025] Regionenbewusste Text-zu-Bild-Generierung durch harte Bindung und sanfte Verfeinerung 🔥
Minimale Implementierung von skalierbaren rektifizierten Fluss-Transformatoren, basierend auf dem Ansatz von SD3
Offizielle Implementierung von "FitDiT: Verbesserung der authentischen Kleidungsdetails für hochfidelen virtuellen Anprobe"
[CVPR 2024] Code-Veröffentlichung für "InstanceDiffusion: Instanzebenensteuerung für die Bildgenerierung"
[ICML 2024] 3D-VLA: Ein generatives Weltmodell für 3D-Vision-Sprache-Aktion