#diffusion-models Dépôts
473 dépôts au total
Un framework unifié d'inférence et de post-entraînement pour la génération vidéo accélérée.
Que vous soyez un débutant complet, une application de projet en CV, NLP, LLM, ou un déploiement et une mise en œuvre d'ingénierie avancée, vous trouverez tout dans « Tutoriel pratique PyTorch » (2e édition). Nous pensons qu'avec l'aide de ce livre, les lecteurs pourront maîtriser facilement l'utilisation de PyTorch et devenir d'excellents ingénieurs en apprentissage profond.
Matériaux pour le cours sur les modèles de diffusion de Hugging Face
Hunyuan-DiT : Un puissant Transformer de diffusion multi-résolution avec compréhension fine du chinois
L'implémentation officielle PyTorch du papier "Human Motion Diffusion Model"
Créez des vidéos sur l’ordinateur que vous possédez déjà. FreeVideo exécute MiniMax H3 avec seulement 8 Go de VRAM et 16 Go de RAM, et adapte son parcours d’accélération à votre matériel.
[ICLR2025 Spotlight] SVDQuant : Absorption des valeurs aberrantes par des composantes de rang faible pour les modèles de diffusion 4 bits
TurboDiffusion : Accélération de 100 à 200× pour les modèles de diffusion vidéo
Version améliorée des modèles probabilistes de diffusion par débruitage
GLIDE : un modèle de synthèse d'images conditionnel à base de diffusion piloté par le texte
Une liste organisée de recherches de pointe en IA incarnée, axée sur les modèles vision-langage-action (VLA), la navigation vision-langage (VLN) et les approches d'apprentissage multimodal apparentées.
[NeurIPS 2024] Code officiel pour PuLID : Personnalisation d'identité pure et rapide via alignement contrastif
Codebase officiel pour "Self Forcing: Bridging Training and Inference in Autoregressive Video Diffusion" (NeurIPS 2025 Spotlight)
Modifiez tout dans les images, alimenté par segment-anything, ControlNet, StableDiffusion, etc. (ACM MM)
Articles sur les modèles de diffusion, enquête et taxonomie
PixArt-α : Entraînement rapide de Diffusion Transformer pour la synthèse photoréaliste de texte à image
Dépôt officiel de VGen : un écosystème holistique de génération vidéo pour la génération vidéo basé sur des modèles de diffusion
[ICLR 2025] Pyramidal Flow Matching pour la Modélisation Générative Efficace de Vidéos
Collecter des articles, des données et des dépôts liés à la super-résolution
[NeurIPS 2025] Laissez-les parler : Génération vidéo conversationnelle multi-personnes pilotée par l'audio
[ICLR 2024] Implémentation officielle de DreamCraft3D : Génération 3D hiérarchique avec priorité de diffusion bootstrapée
Un kit de réglage fin général destiné aux modèles de diffusion d'images/vidéos/audio.
Afin de faciliter l'utilisation de ComfyUI, j'ai effectué des optimisations et des intégrations sur certains nœuds couramment utilisés.
Génération vidéo de mouvement humain de haute qualité avec guidage de pose basé sur la confiance
MusePose : un framework image-à-vidéo piloté par la pose pour la génération d'humains virtuels
[NeurIPS 2025] Une implémentation officielle de Flow-GRPO : Entraînement de modèles de correspondance de flux via RL en ligne
[À la une d’ECCV 2026] Implémentation de « Live Avatar : génération d’avatars pilotée par l’audio en temps réel, en streaming et d’une durée infinie »
Une collection organisée d’articles, de benchmarks, de travaux de synthèse et d’outils sur la quantification des modèles, couvrant les réseaux à faible nombre de bits, les LLM, les modèles multimodaux et génératifs, la quantification vectorielle et par réseau, ainsi que le déploiement efficace.
Implémentation officielle de PyTorch pour la génération de vidéos en une minute avec entraînement au moment du test
📹 Un framework plus flexible qui peut générer des vidéos à n'importe quelle résolution et créer des vidéos à partir d'images.