#diffusion-models Repositorios
473 repositorios en total
Un resumen de trabajos relacionados sobre emparejamiento de flujos, interpolantes estocásticos
Código oficial de inferencia para BluePixel, un modelo de edición de imágenes nativo en 4K con inferencia destilada de 4 pasos, basado en FLUX.2 Klein y DCAE.
Restauración de Imágenes con Ecuaciones Diferenciales Estocásticas de Reversión a la Media, ICML 2023. Solución ganadora del Desafío de Eliminación de Sombras de Imágenes NTIRE 2023.
[ICML 2025] Implementación oficial de PyTorch de "History-Guided Video Diffusion"
[NeurlPS2024] Red de difusión efectiva de un paso para la superresolución de imágenes del mundo real
[ECCV 2024] Single Image to 3D Textured Mesh in 10 seconds with Convolutional Reconstruction Model.
Cosmos-Predict2 es una colección de modelos de base del mundo de propósito general para Physical AI que se pueden ajustar en modelos del mundo personalizados para aplicaciones posteriores.
Una colección de artículos y códigos para CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC
HunyuanImage-2.1: Un Modelo de Difusión Eficiente para la Generación de Texto a Imagen de Alta Resolución (2K)
Modelo de lenguaje de difusión abierto para la generación de código — lanzando preentrenamiento, evaluación, inferencia y puntos de control.
DFloat11 [NeurIPS '25]: Compresión sin pérdidas de LLMs y DiTs para una inferencia de GPU eficiente
[IJCV 2026] FoleyCrafter: Dale vida a tus videos silenciosos con sonidos realistas y sincronizados.
[NeurIPS 2023] Uni-ControlNet: Control todo en uno para modelos de difusión de texto a imagen
Flash Diffusion: acelerando modelos de difusión condicional (AAAI 2025 Oral)
Implementación de “DreamDiffusion: Generación de imágenes de alta calidad a partir de señales EEG cerebrales”
Implementación en PyTorch de Make-An-Audio (ICML'23) con un Modelo Generativo de Texto a Audio
Pippo: Humanos de alta resolución y múltiples vistas a partir de una sola imagen
Traducción al chino de 'Machine Learning: A Probabilistic Perspective' (Kevin P. Murphy) e implementaciones en Python de los algoritmos del libro.
SteadyDancer: Animación de imágenes humanas armonizada y coherente con preservación del primer fotograma
Una herramienta de marca de agua para proteger las obras de arte humanas de ser utilizadas en obras de arte sintéticas.
Este repositorio contiene una colección de recursos y artículos sobre Modelos de Difusión para RL, que acompañan al artículo "Diffusion Models for Reinforcement Learning: A Survey".
Perfecciona y mejora la calidad de los rostros pequeños en los vídeos de MiniMax H3. Rastrea los rostros fotograma a fotograma, recórtalos, mejóralos con H3 y vuelve a integrarlos.
[CVPR'26 Destacado] Ditto: Escalado de Edición de Video Basada en Instrucciones con un Conjunto de Datos Sintético de Alta Calidad
[CVPR'26] ObjectClear: Eliminación precisa de objetos y efectos con atención adaptativa orientada al objetivo
Recursos de modelos de Visión-Lenguaje-Acción para Conducción Autónoma (VLA4AD), que sirven como repositorio complementario al artículo de revisión “A Survey on Vision–Language–Action Models for Autonomous Driving”.
Implementación oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Este es el código de inferencia oficial de los artículos "Glyph-ByT5: Un codificador de texto personalizado para una representación de texto visual precisa" y "Glyph-ByT5-v2: Una línea de base estética sólida para una representación de texto visual multilingüe precisa""
[ICCV 2025] Generación de texto a imagen consciente de la región mediante enlace forzado y refinamiento suave 🔥
Implementación mínima de transformadores de flujo rectificado escalables, basada en el enfoque de SD3
Implementación oficial de "FitDiT: Avances de los detalles auténticos de las prendas para una prueba virtual de alta fidelidad"
[CVPR 2024] Publicación del código para "InstanceDiffusion: Control a nivel de instancia para la generación de imágenes"
[ICML 2024] 3D-VLA: Un modelo generativo del mundo de visión 3D, lenguaje y acción