#diffusion-models Dépôts
473 dépôts au total
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
[Finaliste Oral et Meilleur Article CVPR 2025] Difix3D+: Amélioration des Reconstructions 3D avec des Modèles de Diffusion à Étape Unique
Visualisations interactives de l'intuition géométrique derrière les modèles de diffusion.
Wunjo Make : échange de visages, synchronisation labiale, contrôle, suppression d’objets, de texte et d’arrière-plan, restylisation, séparateur audio, clonage de voix et génération vidéo. Open source, local et gratuit.
[ICLR24] Implémentation officielle de l'article « MagicDrive : génération de vues de rue avec contrôle diversifié de la géométrie 3D »
[ICLR 2025 Oral] TANGO : Réécriture de vidéos de gestes co-discours avec embedding audio-mouvement hiérarchique et interpolation par diffusion
Un modèle de fondation qui génère des vidéos et de l’audio synchronisés au sein d’un seul modèle
[IJCV] Show-1 : Marier les modèles de diffusion de pixels et latents pour la génération de texte à vidéo
GaussianObject: Reconstruction d'objets 3D de haute qualité à partir de quatre vues avec Gaussian Splatting (SIGGRAPH Asia 2024, TOG)
[ICLR 2026 Oral] DiffusionNFT: Renforcement de diffusion en ligne avec processus avant
Allegro est un puissant modèle texte-vidéo qui génère des vidéos de haute qualité jusqu'à 6 secondes à 15 FPS et une résolution de 720p à partir d'une simple saisie de texte.
Outils pour entraîner un modèle génératif sur des échantillons audio arbitraires
Une collection de ressources sur la génération contrôlable avec des modèles de diffusion texte-vers-image.
Publication officielle du code et des points de contrôle pour les modèles fondamentaux de robots mobiles : GNM, ViNT et NoMaD.
[ICLR 2025 Oral] L'implémentation officielle de "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance"
[ICLR'24 spotlight] Série de Grands Modèles Multimodaux Chinois et Anglais (Chat et Peinture) | Série de Grands Modèles Multimodaux Bilingues Chinois-Anglais Basée sur le Modèle de Base CPM
[TMLR] Diffusion guidée par la mémoire pour la génération de vidéos parlantes expressives
[ECCV 2026] Skyfall-GS : Synthèse de scènes urbaines 3D immersives à partir d'imagerie satellite
[ICLR 2024 Spotlight] SyncDreamer : Génération d'images cohérentes multivues à partir d'une seule image de vue
[CVPR 2025 Highlight] 3DTopia-XL : Génération d'assets PBR 3D de haute qualité via la diffusion de primitives
[ECCV 2024 Oral] MotionDirector : Personnalisation du Mouvement des Modèles de Diffusion Texte-vers-Vidéo.
[ICML 2026] Base de code officielle pour « Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation » & Causal Forcing++
[ICLR2026] Repenser la génération de posters esthétiques de haute qualité dans un cadre unifié
[TPAMI 2026] ConsistentID : Génération de portraits avec préservation d'identité fine granulaire multimodale
Implémentation officielle de l'article : « FlowEdit : édition basée sur du texte sans inversion utilisant des modèles de flux pré-entraînés »
[ECCV2024] Pixel-Aware Stable Diffusion pour une super-résolution d'image réaliste et une stylisation personnalisée
Une enquête et une liste d'articles sur les modèles de diffusion actuels pour les données de séries temporelles et spatio-temporelles avec d'excellentes ressources (articles, applications, critiques, enquêtes, etc.).
[CVPR 2024] PIA, votre animateur d'images personnalisé. Animez vos images par des invites textuelles, en combinaison avec Dreambooth, pour obtenir des vidéos époustouflantes. PIA, votre animateur d'images personnalisé, transforme vos images en animations incroyables à l'aide d'invites textuelles.
Code pour le papier "Anagrammes Visuels : Génération d'illusions d'optique multi-vues avec des modèles de diffusion"
Un portage de sd-webui-Detail-Daemon de muerrilla en tant que nœud pour ComfyUI, pour ajuster les sigmas qui contrôlent le détail.
[ICLR 2026] Un cadre itératif sans entraînement pour la visualisation d'histoires longues
un résumé du traitement d'images basé sur la diffusion, y compris la restauration, l'amélioration, le codage et l'évaluation de la qualité
Modèle de base vidéo de niveau industriel pour la génération unifiée de texte en vidéo (T2V) et d'image en vidéo (I2V).
[IJCV 2024] LaVie : Génération vidéo de haute qualité avec des modèles de diffusion latente en cascade