#diffusion-models Repositorios
473 repositorios en total
Implementación oficial de PyTorch de ODISE: Segmentación Panóptica de Vocabulario Abierto con Modelos de Difusión de Texto a Imagen [CVPR 2023 Highlight]
[ECCV'24] GeoWizard: Liberando los priors de difusión para la estimación de geometría 3D a partir de una sola imagen
Vchitect-2.0: Transformer paralelo para escalar modelos de difusión de video
Resumen de artículos y blogs clave sobre modelos de difusión para aprender sobre el tema. Lista detallada de todos los artículos publicados sobre robótica de difusión.
MindSpore + 🤗Huggingface: Ejecute cualquier modelo de Transformers/Diffusers en MindSpore con compatibilidad y aceleración perfectas.
Implementación de [CVPR 2025] "DiffSensei: Conectando LLMs multimodales y modelos de difusión para la generación personalizada de manga"
Aplicación que muestra múltiples pipelines de modelos de difusión en tiempo real con Diffusers
Una lista curada de publicaciones sobre segmentación semántica de vocabulario abierto y áreas relacionadas (por ejemplo, segmentación semántica de cero disparos) recursos..
[ICCV 2025, Oral] TrajectoryCrafter: Redirección de la trayectoria de la cámara para videos monoculares a través de modelos de difusión
Resumen de recursos para principiantes sobre los principios de los modelos de difusión y la implementación de código en PyTorch
Step1X-3D: Hacia la generación de activos 3D con textura de alta fidelidad y controlables
Presentamos un nuevo enfoque para la generación de parámetros, denominado difusión de parámetros de redes neuronales (p-diff), que emplea un modelo de difusión latente estándar para sintetizar un nuevo conjunto de parámetros.
Código para "FlashWorld: Generación de escenas 3D de alta calidad en segundos" (ICLR 2026 Oral)
SEED-Story: Generación multimodal de historias largas con modelo de lenguaje grande
Integración de la Dispersión Gaussiana (Gaussian Splatting) en el Denoiser por Difusión para la Generación y Reconstrucción Rápida y Escalable de Imagen a 3D en una Sola Etapa (ICCV 2025)
[CVPR 2025 Highlight🔥] Generación de texto a video que preserva la identidad mediante descomposición de frecuencia
Implementación oficial del artículo "MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens"
Datos abiertos y entrenamiento escalable para modelos del mundo de vídeo de horizonte largo.
DeepInverse: una biblioteca PyTorch para resolver problemas inversos de imagen utilizando el aprendizaje profundo
Instruct-NeRF2NeRF: Edición de escenas 3D con instrucciones (ICCV 2023)
DiffuCoder: Comprensión y mejora de modelos de difusión enmascarados para la generación de código
Implementación oficial de "Lotus: Modelo de base visual basado en difusión para predicción densa de alta calidad"
Implementación oficial para "RIFLEx: Una comida gratis para la extrapolación de longitud en Transformers de difusión de video" (ICML 2025), UltraViCo (ICLR 2026) y UltraImage
📖 Este es un repositorio para organizar artículos, códigos y otros recursos relacionados con modelos multimodales unificados.
Impresionante colección de recursos y artículos sobre modelos de difusión para la manipulación robótica.
Cosmos-Transfer1 es un modelo de transferencia de mundo a mundo diseñado para cerrar la brecha perceptiva entre entornos simulados y del mundo real.
Implementación oficial de "MeshDiffusion: Score-based Generative 3D Mesh Modeling" (ICLR 2023 Spotlight)
[CVPR 2024] GaussianDreamer: Generación rápida de texto a Gaussianas 3D conectando modelos de difusión 2D y 3D
Lista de artículos relacionados con la cuantización de redes neuronales en conferencias y revistas recientes de IA.
Una lista seleccionada de artículos de Visión 3D relacionados con el dominio de la Robótica en la era de los modelos grandes, es decir, LLMs/VLMs, inspirada en awesome-computer-vision, que incluye artículos, códigos y sitios web relacionados
Implementación oficial de "LucidDreamer: Hacia la generación de texto a 3D de alta fidelidad a través de Interval Score Matching"
[ICLR'23] DiffuSeq: Generación de texto de secuencia a secuencia con modelos de difusión
[ACM MM 2024] Código oficial de "HandRefiner: Refinamiento de manos mal formadas en imágenes generadas mediante inpainting condicional basado en difusión"
Fusión de Modelos en LLMs, MLLMs y más allá: Métodos, Teorías, Aplicaciones y Oportunidades. ACM Computing Surveys, 2026.
Caja de herramientas de compresión de modelos para modelos de lenguaje grandes y modelos de difusión
[ICLR 2024] Control de modelos de Visión-Lenguaje para la restauración universal de imágenes. Quinto lugar en el desafío NTIRE 2024 Restore Any Image Model in the Wild.
Código simple y legible para entrenar y muestrear modelos de difusión