#diffusion-models Dépôts
473 dépôts au total
Un résumé des travaux connexes sur la correspondance de flux, les interpolants stochastiques
Code d’inférence officiel pour BluePixel, un modèle natif d’édition d’images 4K avec une inférence distillée en 4 étapes, basé sur FLUX.2 Klein et DCAE.
Restauration d'images avec des équations différentielles stochastiques à retour moyen, ICML 2023. Solution gagnante du défi NTIRE 2023 de suppression d'ombres d'images.
[ICML 2025] Implémentationofficielle PyTorch de "History-Guided Video Diffusion"
[NeurlPS2024] Réseau de diffusion efficace en une étape pour la super-résolution d'images du monde réel
[ECCV 2024] Single Image to 3D Textured Mesh in 10 seconds with Convolutional Reconstruction Model.
Cosmos-Predict2 est une collection de modèles fondamentaux mondiaux à usage général pour l'IA physique qui peuvent être affinés en modèles mondiaux personnalisés pour les applications en aval.
Une collection d'articles et de codes pour CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC
HunyuanImage-2.1 : Un modèle de diffusion efficace pour la génération de texte à image haute résolution (2K)
Modèle de diffusion de langage ouvert pour la génération de code — mise à disposition du pré-entraînement, de l'évaluation, de l'inférence et des points de contrôle.
DFloat11 [NeurIPS '25] : Compression sans perte des LLM et DiT pour l'inférence GPU efficace
[IJCV 2026] FoleyCrafter: Donnez vie à vos vidéos silencieuses avec des sons réalistes et synchronisés.
[NeurIPS 2023] Uni-ControlNet : Contrôle tout-en-un pour les modèles de diffusion texte-vers-image
Flash Diffusion : accélérer les modèles de diffusion conditionnelle (AAAI 2025 Oral)
Implémentation de « DreamDiffusion : Génération d’images de haute qualité à partir de signaux EEG cérébraux »
Implémentation PyTorch de Make-An-Audio (ICML'23) avec un Modèle Génératif Texte-vers-Audio
Traduction chinoise de 'Machine Learning: A Probabilistic Perspective' (Kevin P. Murphy) et implémentations en Python des algorithmes du livre.
SteadyDancer: Animation d'images humaines harmonisée et cohérente avec préservation de la première image
Un outil de filigrane pour protéger les œuvres d'art humaines contre leur utilisation dans des œuvres d'art synthétiques.
Ce dépôt contient une collection de ressources et d'articles sur les modèles de diffusion pour la RL, accompagnant l'article "Diffusion Models for Reinforcement Learning: A Survey".
Affinez et améliorez la qualité des petits visages dans les vidéos MiniMax H3. Suivez les visages image par image, recadrez-les, améliorez-les avec H3, puis réintégrez-les à la vidéo.
[CVPR'26 Mise en avant] Ditto : Mise à l'échelle de l'édition vidéo basée sur des instructions avec un jeu de données synthétique de haute qualité
[CVPR'26] ObjectClear : Suppression précise d’objets et d’effets avec attention adaptative ciblée
Ressources des modèles Vision-Langage-Action pour la conduite autonome (VLA4AD), servant de dépôt compagnon à l'article de synthèse « A Survey on Vision–Language–Action Models for Autonomous Driving ».
Implémentation officielle pour "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Ceci est le code d'inférence officiel des articles "Glyph-ByT5: Un encodeur de texte personnalisé pour un rendu de texte visuel précis" et "Glyph-ByT5-v2: Une solide base esthétique pour un rendu de texte visuel multilingue précis""
[ICCV 2025] Génération Texte-vers-Image Consciente de la Région par Liaison Forte et Raffinement Doux 🔥
Implémentation minimale de transformeurs à flux rectifié évolutifs, basée sur l'approche de SD3
Implémentation officielle de "FitDiT : Avancement des détails authentiques des vêtements pour un essayage virtuel haute fidélité"
[CVPR 2024] Publication du code pour "InstanceDiffusion : Contrôle au niveau de l'instance pour la génération d'images"
[ICML 2024] 3D-VLA : Un modèle génératif du monde pour la vision 3D, le langage et l'action