#diffusion-models Repository
473 repository in totale
[TPAMI 2026๐ฅ] Helios: modello per la generazione di video lunghi davvero in tempo reale
๐บ Una soluzione end-to-end per la generazione di video ad alta risoluzione e lunghi basata su Transformer Diffusion
Lumina-T2X รจ un framework unificato per la generazione di testo verso qualsiasi modalitร
raccolta di articoli sui modelli di diffusione categorizzati per sottoaree
Modelli di diffusione nell'imaging medico (pubblicato nel Medical Image Analysis Journal)
Implementazione ufficiale PyTorch di "Diffusion Transformers with Representation Autoencoders"
Una lista di lettura per la sicurezza, la protezione e la privacy dei modelli di grandi dimensioni (inclusi Awesome LLM Security, Safety, ecc.).
[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!
Implementazione PyTorch per la modellazione generativa basata su punteggio attraverso equazioni differenziali stocastiche (ICLR 2021, orale)
Repository di codice per Zero123++: un modello base di diffusione da immagine singola a multi-view coerente.
[ICLR & NeurIPS 2025] Repository per la serie Show-o, un unico Transformer per unificare la comprensione e la generazione multimodale.
[CVPR 2026] Verso l'upscaling video in tempo reale basato sulla diffusione โ un framework di diffusione a un passo efficiente per VSR in streaming con attenzione sparsa limitata alla localitร e un decodificatore condizionale piccolo.
Custom Diffusion: Personalizzazione Multi-Concetto della Diffusione da Testo a Immagine (CVPR 2023)
OneDiff: Una libreria di accelerazione pronta all'uso per modelli di diffusione.
[ICCV 2025 Highlight] OminiControl: Controllo Minimo e Universale per Diffusion Transformer
Super risoluzione audio versatile (qualsiasi -> 48kHz) con AudioSR.
DIAMOND (DIffusion As a Model Of eNvironment Dreams) รจ un agente di apprendimento per rinforzo addestrato in un modello del mondo di diffusione. NeurIPS 2024 Spotlight.
Modello Autoregressivo Batte Diffusione: ๐ฆ Llama per la Generazione Scalabile di Immagini
[ICLR 2025] CatVTON รจ un modello di diffusione per prove virtuali semplice ed efficiente con 1) Rete leggera (899,06 milioni di parametri totali), 2) Addestramento efficiente dei parametri (49,57 milioni di parametri addestrabili) e 3) Inferenza semplificata (< 8G VRAM per risoluzione 1024x768).
[ICCV 2023] Make-It-3D: Creazione 3D ad alta fedeltร da una singola immagine con Priorizzazione Diffusiva
Chiarire lo spazio di progettazione dei modelli generativi basati sulla diffusione (EDM)
HunyuanVideo-I2V: Un modello personalizzabile da immagine a video basato su HunyuanVideo
RDT-1B: un modello di fondazione a diffusione per la manipolazione bimanuale
Codice ufficiale per "DPM-Solver: un risolutore ODE veloce per il campionamento di modelli probabilistici di diffusione in circa 10 passaggi" (Neurips 2022 Oral)
Raccolta di articoli eccezionali su RAG per AIGC. Proponiamo una tassonomia delle fondamenta, dei miglioramenti e delle applicazioni di RAG nell'articolo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".
TorchMultimodal รจ una libreria PyTorch per l'addestramento di modelli multimodali multi-task all'avanguardia su larga scala.
Implementazione di "EasyControl: Aggiunta di controllo efficiente e flessibile per Diffusion Transformer" (ICCV2025)
[NeurIPS 2023] ImageReward: Apprendimento e Valutazione delle Preferenze Umane per la Generazione di Testo-a-Immagine
[ECCV 2024] L'implementazione ufficiale del paper "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"
VibeVoice: Sintesi vocale espressiva e conversazionale di lunga durata. (Fork della community)
MMaDA โ Modelli di Linguaggio Diffusione Grandi Multimodali Open-Source (dLLMs con diffusione a blocchi, mixed-CoT, RL unificato)
[CVPR 2025] Apprendimento di Campi di Flusso nell'Attenzione per la Generazione Controllabile di Immagini di Persone
Un elenco curato di risorse sui modelli di diffusione in RL (in continuo aggiornamento)
[SIGGRAPH Asia 2025] DreamO: Un framework unificato per la personalizzazione delle immagini
Modello Text-to-Speech basato su Flow Matching con controllo dello stile guidato da emoji
[ICLR'25 Oral] Allineamento della Rappresentazione per la Generazione: Addestrare Trasformatori di Diffusione รจ piรน facile di quanto pensi