#diffusion Repositories
Insgesamt 79 Repositories
UniWorld: Hochauflösende semantische Encoder für einheitliches visuelles Verstehen und Generieren
[CVPR 2025 Highlight🔥] Identitätserhaltende Text-zu-Video-Generierung durch Frequenzzerlegung
Offene Daten und skalierbares Training für Video-Weltmodelle mit langem Zeithorizont.
Kandinsky 5.0: Eine Familie von Diffusionsmodellen für die Video- und Bildgenerierung
Omega-AI ist ein auf Java basierendes Deep-Learning-Framework, mit dem Sie schnell neuronale Netze für Inferenz und Training erstellen können. Seine Engine unterstützt automatische Differentiation, Multithreading und GPU-Beschleunigung mit CUDA und cuDNN.
Offizielle Implementierung für "RIFLEx: Ein Free Lunch für Length Extrapolation in Video Diffusion Transformers" (ICML 2025), UltraViCo (ICLR 2026) und UltraImage
rCM & Causal-rCM: Führende und vereinheitlichte Algorithmen/Infrastrukturen für die bidirektionale/autoregressive Videodiffusionsdestillation im großen Maßstab
Adan: Adaptive Nesterov Momentum Algorithm für schnelleres Optimieren tiefer Modelle
[TMLR 2025🔥] Eine Übersicht über autoregressive Modelle in der Bildverarbeitung.
Einfacher und lesbarer Code zum Trainieren und Stichproben von Diffusionsmodellen
Aufmerksamkeitsbasierte Diffusionsattributionskarten zur Interpretation von Stable Diffusion.
[CVPR 2024] FRESCO: Räumlich-zeitliche Korrespondenz für Zero-Shot-Videoübersetzung
Ein einheitliches Framework für die einfache Feinabstimmung von Flow-Matching-Modellen
HY-SOAR: Selbstkorrektur zur optimalen Ausrichtung und Verfeinerung in Diffusionsmodellen
[ICML2025, NeurIPS2025 Spotlight] Sparse VideoGen 1 & 2: Beschleunigung von Video Diffusion Transformers mit Sparse Attention
Bilinguale (Chinesisch + Englisch) Spickzettel für Vorstellungsgespräche zu ML / LLM / Diffusion / Agenten im herbstlichen KI-Recruiting — erstellt mit ARIS /interview-cheatsheet und von /render-html als überall lesbare einteilige HTML-Dateien gerendert — außerdem ein anhand von CV→DBLP faktengeprüfter Generator für akademische Homepages sowie selbst verfasste Langform-Blogs 🌱
Ein KI-Framework zur Generierung und Modifikation von osu!-Beatmaps für alle Spielmodi basierend auf Spektrogramm-Eingaben.
Offizielle Implementierung für "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV 2026] Ein diffusionsbasiertes Framework für Dokumenten-OCR, das autoregressives Decodieren durch blockweises paralleles Diffusionsdecodieren ersetzt.
[TIP2026] Offizielle Codes von CCSRv2 und CCSRv1: Verbesserung der Stabilität und Effizienz von Diffusionsmodellen für inhaltskonsistente Superauflösung
📚Eine kuratierte Liste großartiger Diffusionsinferenz-Papiere mit Code: Sampling, Cache, Quantisierung, Parallelität, etc.🎉
Eine weitere PyTorch-Implementierung von Stable Diffusion (wahrscheinlich leicht zu lesen)
Offizielle Implementierung für "Blended Diffusion für textgesteuerte Bearbeitung natürlicher Bilder" [CVPR 2022]
Diffusionsmodelle für Proteinstrukturen; Trigonometrie und Aufmerksamkeit sind alles, was man braucht!
[WACV'25 Oral] Feineinstellung von bildbasierten Diffusionsmodellen ist einfacher, als Sie denken