#diffusion-models Dépôts
473 dépôts au total
[TPAMI 2026🔥] Helios : modèle de génération de vidéos longues véritablement en temps réel
📺 Une solution de bout en bout pour la génération de vidéos haute résolution et de longue durée basée sur Transformer Diffusion
Lumina-T2X est un framework unifié pour la génération de texte vers n'importe quelle modalité
collection d'articles sur les modèles de diffusion classés par sous-domaines
Modèles de diffusion en imagerie médicale (publié dans le Medical Image Analysis Journal)
Implémentation officielle PyTorch de "Diffusion Transformers with Representation Autoencoders"
Une liste de lecture sur la sécurité, la sûreté et la confidentialité des grands modèles (y compris Awesome LLM Security, Safety, etc.).
[NeurIPS 2025] L'édition d'images vaut une seule LoRA ! 0,1 % de données d'entraînement pour une édition d'images fantastique ! Surpasse GPT-4o en persistance d'ID~ ckpt MoE publié ! Seulement 4 Go de VRAM suffisent pour l'exécuter !
Implémentation PyTorch pour la modélisation générative basée sur des scores via des équations différentielles stochastiques (ICLR 2021, Oral)
Un script d'entraînement parallèle par pipeline pour les modèles de diffusion.
Répertoire de code pour Zero123++ : un modèle de base de diffusion de l'image unique à plusieurs vues cohérentes.
[ICLR & NeurIPS 2025] Dépôt pour la série Show-o, un seul Transformer pour unifier la compréhension et la génération multimodales.
[CVPR 2026] Vers une super-résolution vidéo en temps réel basée sur la diffusion — un cadre de diffusion à un seul pas efficace pour le VSR en streaming, avec une attention éparse limitée par la localité et un décodeur conditionnel minuscule.
Custom Diffusion : Personnalisation Multi-Concepts de la Diffusion Texte-vers-Image (CVPR 2023)
OneDiff : une bibliothèque d'accélération prête à l'emploi pour les modèles de diffusion.
[ICCV 2025 Highlight] OminiControl : Contrôle minimal et universel pour les transformeurs de diffusion
Super résolution audio polyvalente (n'importe quelle -> 48kHz) avec AudioSR.
DIAMOND (DIffusion As a Model Of eNvironment Dreams) est un agent d'apprentissage par renforcement entraîné dans un modèle de monde de diffusion. NeurIPS 2024 Spotlight.
Le Modèle Autorégressif Bat le Diffusion : 🦙 Llama pour la Génération d'Images Scalable
[ICLR 2025] CatVTON est un modèle de diffusion simple et efficace pour l'essayage virtuel avec 1) un réseau léger (899,06 millions de paramètres au total), 2) un entraînement efficace en paramètres (49,57 millions de paramètres entraînables) et 3) une inférence simplifiée (< 8 Go de VRAM pour une résolution de 1024x768).
[ICCV 2023] Make-It-3D : Création 3D haute fidélité à partir d'une seule image avec Priorité de Diffusion
Élucidation de l'espace de conception des modèles génératifs basés sur la diffusion (EDM)
HunyuanVideo-I2V : Un modèle personnalisable d'image à vidéo basé sur HunyuanVideo
RDT-1B : un modèle de fondation de diffusion pour la manipulation bimodale
Code officiel pour « DPM-Solver : un solveur d'ODE rapide pour l'échantillonnage de modèles probabilistes de diffusion en environ 10 étapes » (Neurips 2022 Oral)
Collecte d'articles exceptionnels sur RAG pour AIGC. Nous proposons une taxonomie des fondations, des améliorations et des applications de RAG dans l'article "Retrieval-Augmented Generation for AI-Generated Content: A Survey".
TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.
Mise en œuvre de "EasyControl : Ajout d'un contrôle efficace et flexible pour les transformeurs de diffusion" (ICCV2025)
[NeurIPS 2023] ImageReward : Apprentissage et évaluation des préférences humaines pour la génération texte-image
[ECCV 2024] L'implémentation officielle du papier "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"
VibeVoice : Synthèse vocale expressive et conversationnelle longue. (Fork communautaire)
MMaDA – Modèles de Langage Diffusion Grands Multimodaux Open-Source (dLLMs avec diffusion par blocs, mixed-CoT, RL unifié)
[CVPR 2025] Apprentissage de champs de flux dans l'attention pour la génération d'images de personnes contrôlable
Une liste organisée de ressources sur les modèles de diffusion en RL (mise à jour en continu)
Modèle texte-parole basé sur Flow Matching avec contrôle de style piloté par emojis
[ICLR'25 Oral] Alignement des représentations pour la génération : entraîner des transformeurs de diffusion est plus facile que vous ne le pensez