#diffusion Repository
Scopri 79 repository GitHub open source attivi contrassegnati con #diffusion, che raccolgono un totale di 449,545 stelle (con una media di 5,690 stelle per progetto). Il progetto leader di questo argomento è AUTOMATIC1111/stable-diffusion-webui, con 165,370 stelle.
79 repository in totale
SGLang è un framework di serving ad alte prestazioni per modelli linguistici di grandi dimensioni e modelli multimodali.
🤗 Diffusers: Modelli di diffusione all'avanguardia per la generazione di immagini, video e audio in PyTorch.
《Tutorial di Deep Learning di Li Hongyi》(Raccomandato dal professor Li Hongyi 👍, Apple Books 🍎), Link per il download PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Un modo semplice con 1 clic per creare splendide opere d'arte sul tuo PC utilizzando l'IA, senza alcuna conoscenza tecnica. Fornisce un'interfaccia browser per generare immagini da prompt di testo e immagini. Inserisci semplicemente il tuo prompt di testo e vedrai l'immagine generata.
SANA e Sol: modelli generativi efficienti e motori full-stack per l’addestramento e l’inferenza nella modellazione di immagini, video e del mondo
Inferenza di modelli di diffusione (SD, Flux, Wan, Qwen Image, Z-Image, Minimax H3, ...) in C/C++ puro
Un framework per l'inferenza efficiente del modello con modelli omni-modalità
Fine-tuning rapido di modelli di diffusione utilizzando l'adattamento a basso rango.
OpenMMLab Cassetta degli Attrezzi Multimodale Avanzata, Generativa e Intelligente per la Creazione. Sblocca la magia 🪄: AI Generativa (AIGC), API facili da usare, zoo di modelli fantastico, modelli a diffusione, per la generazione testo-immagine, restauro/miglioramento di immagini/video, ecc.
L'ambiente di ricerca open source per i ricercatori di intelligenza artificiale, che consente di addestrare, valutare e scalare modelli in modo fluido, dal hardware locale ai cluster GPU.
"Guida alla costruzione di una White Box per Grandi Modelli": Un Tiny-Universe interamente assemblato a mano
OmniGen: Generazione Unificata di Immagini. https://arxiv.org/pdf/2409.11340
[CVPR 2024 - Orale, Candidato al Best Paper Award] Marigold: Riadattamento di generatori di immagini basati sulla diffusione per la stima della profondità monoculare
[SIGGRAPH Asia 2023] Rerender A Video: Traduzione Video-to-Video Guidata da Testo Zero-Shot
Motore principale per la conversione della voce cantata e il clonaggio della voce cantata
Kandinsky 2 — modello di diffusione latente multilingue da testo a immagine
MuseV: Generazione video di esseri umani virtuali di lunghezza infinita e alta fedeltà con denoising parallelo condizionato visivamente
🔥 [ICCV 2025 Highlight] InfiniteYou: Rifacimento Flessibile di Foto preservando la tua Identità
Stable diffusion per la generazione di musica in tempo reale (app web)
Server nativo per l’inferenza di LLM su Apple Silicon. Compatibile con le API di OpenAI e Anthropic. Senza Python. App macOS con backend in Zig e frontend in Swift, per la generazione di chat, musica, voce e video.
[TPAMI 2026🔥] Helios: modello per la generazione di video lunghi davvero in tempo reale
Lumina-T2X è un framework unificato per la generazione di testo verso qualsiasi modalità
raccolta di articoli sui modelli di diffusione categorizzati per sottoaree
Modelli di diffusione nell'imaging medico (pubblicato nel Medical Image Analysis Journal)
[NeurIPS 2025] L'editing di immagini vale una singola LoRA! 0,1% di dati di addestramento per un fantastico editing di immagini! Supera GPT-4o nella persistenza dell'ID~ Rilasciato ckpt MoE! Bastano 4 GB di VRAM per eseguirlo!
Modello Autoregressivo Batte Diffusione: 🦙 Llama per la Generazione Scalabile di Immagini
Toolkit di compressione dei modelli progettato per una maggiore usabilità, completezza ed efficienza.
[ECCV 2024] L'implementazione ufficiale del paper "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"
[ICLR'25 Oral] Allineamento della Rappresentazione per la Generazione: Addestrare Trasformatori di Diffusione è più facile di quanto pensi
[ACM MM 2025] FantasyTalking: Generazione realistica di ritratti parlanti tramite sintesi di movimento coerente
PALLAIDIUM — uno studio cinematografico di intelligenza artificiale generativa, integrato perfettamente nell'Editor Video di Blender (VSE), che consente una produzione end-to-end dallo script allo schermo e viceversa.
Addestramento scalabile e ottimizzato per la memoria dei modelli di diffusione
[ICCV 2025] 🔥🔥 UNO: Un metodo di personalizzazione universale per il condizionamento a soggetto singolo e multi-soggetto
L'estensione Inpaint Anything esegue l'inpainting di Stable Diffusion su un'interfaccia utente del browser utilizzando maschere da Segment Anything.
MiniSora: Una community che mira a esplorare il percorso di implementazione e la direzione di sviluppo futuro di Sora.
[ECCV 2026] MixGRPO: Sbloccare l'efficienza di GRPO basata sul flusso con ODE-SDE misto
[ICML 2026] Base di codice ufficiale per "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" & Causal Forcing++
Implementazione ufficiale per l'articolo "Full-Order Sampling-Based MPC for Torque-Level Locomotion Control via Diffusion-Style Annealing". DIAL-MPC è un nuovo framework MPC basato su campionamento per il controllo a livello di coppia dell'ordine completo di robot con gambe, con precisione e agilità in modo training-free.
Elenco di progettazione molecolare e di materiali utilizzando IA generativa e deep learning
Domande frequenti
Qual è il repository #diffusion più popolare su GitHub?
Il progetto open source #diffusion più alto in classifica su GitHub è AUTOMATIC1111/stable-diffusion-webui, con 165,370 stelle. Stable Diffusion Web UI
Quali linguaggi di programmazione sono più utilizzati nei repository #diffusion?
Tra i progetti #diffusion più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, JavaScript.
Come viene calcolata la classifica dei repository #diffusion?
Monitoriamo 79 repository open source attivi contrassegnati con #diffusion (500+ stelle), per un totale di 449,545 stelle e una media di 5,690 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.