#diffusion-models Repositorios
473 repositorios en total
Implementación en PyTorch de MeanFlow e iMF (modelado generativo de un solo paso).
[Finalista al Premio Oral y Mejor Artículo de CVPR 2025] Difix3D+: Mejorando Reconstrucciones 3D con Modelos de Difusión de un Solo Paso
Visualizaciones interactivas de la intuición geométrica detrás de los modelos de difusión.
Wunjo Make: Intercambio de rostros, sincronización labial, control, eliminación de objetos, texto y fondo, remodelación de estilo, separador de audio, clonación de voz y generación de vídeo. De código abierto, local y gratuito.
[ICLR24] Implementación oficial del artículo “MagicDrive: Generación de vistas de calles con control diverso de la geometría 3D”
[ICLR 2025 Oral] TANGO: Recreación de video de gestos co-discurso con incrustación jerárquica de audio-movimiento e interpolación de difusión
[IJCV] Show-1: Combinando modelos de difusión de píxeles y latentes para la generación de texto a video
GaussianObject: Reconstrucción de objetos 3D de alta calidad a partir de cuatro vistas con Gussian Splatting (SIGGRAPH Asia 2024, TOG)
[ICLR 2026 Oral] DiffusionNFT: Refuerzo de difusión en línea con proceso directo
Allegro es un potente modelo de texto a video que genera videos de alta calidad de hasta 6 segundos a 15 FPS y resolución de 720p a partir de una simple entrada de texto.
Herramientas para entrenar un modelo generativo en muestras de audio arbitrarias
Una colección de recursos sobre generación controlable con modelos de difusión de texto a imagen.
Lanzamiento oficial del código y los puntos de control para modelos fundamentales de robots móviles: GNM, ViNT y NoMaD.
[ICLR 2025 Oral] La implementación oficial de "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance"
[ICLR'24 spotlight] Serie de Grandes Modelos Multimodales Chino e Inglés (Chat y Pintura) | Serie de Grandes Modelos Multimodales Bilingües Chino-Inglés Basada en el Modelo Base CPM
[TMLR] Difusión Guiada por Memoria para la Generación de Videos Hablando Expresivos
[ECCV 2026] Skyfall-GS: Síntesis de escenas urbanas 3D inmersivas a partir de imágenes satelitales
[ICLR 2024 Spotlight] SyncDreamer: Generación de imágenes multivista coherentes a partir de una única imagen de vista
[CVPR 2025 Highlight] 3DTopia-XL: Generación de activos 3D PBR de alta calidad a través de la difusión de primitivas
[ECCV 2024 Oral] MotionDirector: Personalización del Movimiento de Modelos de Difusión de Texto a Video.
[ICML 2026] Base de código oficial para "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" y Causal Forcing++
[ICLR2026] Repensar la generación de pósteres estéticos de alta calidad en un marco unificado
[TPAMI 2026] ConsistentID: Generación de Retratos con Preservación de Identidad Multimodal de Granularidad Fina
Implementación oficial del artículo: "FlowEdit: Edición basada en texto sin inversión utilizando modelos de flujo preentrenados"
[ECCV2024] Difusión Estable Consciente de Píxeles para Super-Resolución de Imágenes Realista y Estilización Personalizada
Una encuesta y una lista de artículos sobre modelos de difusión actuales para datos de series temporales y espacio-temporales con recursos impresionantes (artículos, aplicaciones, revisiones, encuestas, etc.).
[CVPR 2024] PIA, tu Animador de Imágenes Personalizado. Anima tus imágenes mediante indicaciones de texto, combinando con Dreambooth, logrando videos impresionantes. PIA, tu animador de imágenes personalizado, transforma tus imágenes en animaciones asombrosas utilizando indicaciones de texto.
Código para el artículo "Anagramas Visuales: Generación de Ilusiones Ópticas Multi-Vista con Modelos de Difusión"
Una adaptación de sd-webui-Detail-Daemon de muerrilla como nodo para ComfyUI, para ajustar los sigmas que controlan el detalle.
[ICLR 2026] Un marco iterativo sin entrenamiento para la visualización de historias largas
un resumen del procesamiento de imágenes basado en difusión, que incluye restauración, mejora, codificación y evaluación de calidad
Modelo de base de video a nivel de industria para la generación unificada de texto a video (T2V) e imagen a video (I2V).
[IJCV 2024] LaVie: Generación de vídeo de alta calidad con modelos de difusión latente en cascada