#diffusion-models Repositorios
473 repositorios en total
[TPAMI 2026🔥] Helios: modelo de generación de vídeos largos verdaderamente en tiempo real
📺 Una solución integral para la generación de videos de alta resolución y de larga duración basada en Transformer Diffusion
Lumina-T2X es un framework unificado para la generación de texto a cualquier modalidad
colección de artículos sobre modelos de difusión categorizados por subáreas
Modelos de difusión en imágenes médicas (Publicado en la revista Medical Image Analysis)
Implementación oficial de PyTorch de "Diffusion Transformers with Representation Autoencoders"
Una lista de lectura sobre seguridad, protección y privacidad de modelos grandes (incluyendo Awesome LLM Security, Safety, etc.).
[NeurIPS 2025] ¡La edición de imágenes vale una sola LoRA! ¡0,1% de datos de entrenamiento para una edición de imágenes fantástica! Supera a GPT-4o en persistencia de ID~ ¡Se publica el ckpt de MoE! ¡Solo 4 GB de VRAM son suficientes para ejecutarlo!
Implementación de PyTorch para Modelado Generativo Basado en Puntuación a través de Ecuaciones Diferenciales Estocásticas (ICLR 2021, Oral)
Un script de entrenamiento paralelo por pipeline para modelos de difusión.
Repositorio de código para Zero123++: un modelo base de difusión de imagen única a multi-vista consistente.
[ICLR & NeurIPS 2025] Repositorio para la serie Show-o, un único Transformer para unificar la comprensión y generación multimodales.
[CVPR 2026] Hacia la superresolución de video en tiempo real basada en difusión — un marco de difusión de un solo paso eficiente para VSR en streaming con atención esparsa con limitación de localidad y un decodificador condicional diminuto.
Custom Diffusion: Personalización Multi-Concepto de Difusión de Texto a Imagen (CVPR 2023)
OneDiff: una biblioteca de aceleración lista para usar para modelos de difusión.
[ICCV 2025 Highlight] OminiControl: Control Mínimo y Universal para Diffusion Transformer
Superresolución de audio versátil (cualquiera -> 48kHz) con AudioSR.
DIAMOND (DIffusion As a Model Of eNvironment Dreams) es un agente de aprendizaje por refuerzo entrenado en un modelo del mundo de difusión. NeurIPS 2024 Spotlight.
El Modelo Autorregresivo Supera a la Difusión: 🦙 Llama para la Generación Escalable de Imágenes
[ICLR 2025] CatVTON es un modelo de difusión de prueba virtual simple y eficiente con 1) Red Ligera (899.06M parámetros en total), 2) Entrenamiento Eficiente de Parámetros (49.57M parámetros entrenables) y 3) Inferencia Simplificada (< 8G VRAM para resolución de 1024x768).
[ICCV 2023] Make-It-3D: Creación 3D de alta fidelidad a partir de una sola imagen con Prioridad de Difusión
HunyuanVideo-I2V: Un modelo personalizable de imagen a video basado en HunyuanVideo
RDT-1B: un Modelo de Fundación de Difusión para Manipulación Bimanual
Código oficial de "DPM-Solver: un solucionador de ODE rápido para el muestreo de modelos probabilísticos de difusión en aproximadamente 10 pasos" (Neurips 2022 Oral)
Recopilación de artículos impresionantes sobre RAG para AIGC. Proponemos una taxonomía de los fundamentos, mejoras y aplicaciones de RAG en el artículo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".
TorchMultimodal es una biblioteca de PyTorch para entrenar modelos multimodales y multitarea de última generación a escala.
Implementación de "EasyControl: Añadiendo control eficiente y flexible para Diffusion Transformer" (ICCV2025)
[NeurIPS 2023] ImageReward: Aprendizaje y Evaluación de Preferencias Humanas para la Generación de Texto a Imagen
[ECCV 2024] La implementación oficial del artículo "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"
VibeVoice: Síntesis de voz conversacional expresiva y de formato largo. (Bifurcación comunitaria)
MMaDA – Modelos de Lenguaje de Difusión Grande y Multimodales de Código Abierto (dLLMs con difusión por bloques, mixed-CoT, RL unificado)
[CVPR 2025] Aprendizaje de Campos de Flujo en Atención para la Generación Controlable de Imágenes de Personas
Una lista seleccionada de recursos sobre Modelos de Difusión en RL (actualizada continuamente)
[SIGGRAPH Asia 2025] DreamO: Un marco unificado para la personalización de imágenes
Modelo de texto a voz basado en Flow Matching con control de estilo impulsado por emojis
[ICLR'25 Oral] Alineación de Representación para la Generación: Entrenar Transformers de Difusión es más fácil de lo que piensas