#diffusion-transformer Dépôts
Découvrez 32 dépôts GitHub open source actifs associés à #diffusion-transformer, cumulant 82,342 étoiles au total (soit une moyenne de 2,573 étoiles par projet). Le projet en tête de ce thème est SWivid/F5-TTS, avec 15,634 étoiles.
32 dépôts au total
Code officiel pour "F5-TTS : un conteur qui simule un discours fluide et fidèle avec Flow Matching"
HunyuanVideo : Un cadre systématique pour les modèles de génération vidéo à grande échelle
Hunyuan-DiT : Un puissant Transformer de diffusion multi-résolution avec compréhension fine du chinois
PixArt-α : Entraînement rapide de Diffusion Transformer pour la synthèse photoréaliste de texte à image
🔥 [ICCV 2025 Highlight] InfiniteYou : Recréation de photos flexible tout en préservant votre identité
Modèle HY-Motion pour la génération de mouvements humains 3D ou d'animations 3D de personnages.
Lumina-T2X est un framework unifié pour la génération de texte vers n'importe quelle modalité
[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 !
PixArt-Σ : Entraînement de faible à fort du Diffusion Transformer pour la génération 4K texte-vers-image
Mise en œuvre de "EasyControl : Ajout d'un contrôle efficace et flexible pour les transformeurs de diffusion" (ICCV2025)
[ACM MM 2025] FantasyTalking : Génération réaliste de portraits parlants par synthèse de mouvement cohérente
[ICCV 2025] 🔥🔥 UNO : Une méthode de personnalisation universelle pour le conditionnement à sujet unique et multi-sujets
[NeurIPS 2024] DreamClear : Restauration d'images du monde réel à haute capacité avec une curation de jeux de données respectueuse de la vie privée
[ICLR2026] SeedVR2: Restauration vidéo en un pas via l'apprentissage post-adversaire de diffusion
Données ouvertes et entraînement évolutif pour des modèles du monde vidéo à horizon long.
Implémentation officielle pour "RIFLEx : Un repas gratuit pour l'extrapolation de longueur dans les Transformers de diffusion vidéo" (ICML 2025), UltraViCo (ICLR 2026) et UltraImage
Cette étude vise à transférer le concept unique en utilisant la capacité d'auto-attention du modèle DIT.
[ECCV 2026 Oral] DreamID-V : Combler le fossé image-vidéo pour l'échange de visages haute fidélité via un Transformer de Diffusion
HunyuanImage-2.1 : Un modèle de diffusion efficace pour la génération de texte à image haute résolution (2K)
[🚀ICML 2025] "Dompter le Flux Rectifié pour l'Inversion et l'Édition" Utilisation de FLUX et HunyuanVideo pour l'édition d'images et de vidéos !
SLA : Au-delà de la parcimonie dans les transformeurs de diffusion grâce à une attention creuse-linéaire ajustable
Foire aux questions
Quel est le dépôt #diffusion-transformer le plus populaire sur GitHub ?
Le projet #diffusion-transformer open source le mieux classé sur GitHub est SWivid/F5-TTS, avec 15,634 étoiles. Code officiel pour "F5-TTS : un conteur qui simule un discours fluide et fidèle avec Flow Matching"
Quels langages de programmation sont les plus utilisés dans les dépôts #diffusion-transformer ?
Parmi les projets #diffusion-transformer les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.
Comment le classement des dépôts #diffusion-transformer est-il calculé ?
Nous suivons 32 dépôts open source actifs associés à #diffusion-transformer (500+ étoiles), totalisant 82,342 étoiles, avec une moyenne de 2,573 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.