#diffusion-models Repositórios
473 repositórios no total
Uma estrutura unificada de inferência e pós-treinamento para a geração acelerada de vídeos.
O "Tutorial Prático de Pytorch" (Segunda Edição) abrange desde a introdução para iniciantes completos, aplicações em projetos de CV, NLP e LLM, até a implantação e engenharia avançada. Acreditamos que, com a ajuda deste livro, os leitores serão capazes de dominar facilmente o uso do PyTorch e se tornar excelentes engenheiros de aprendizado profundo.
Hunyuan-DiT : Um Poderoso Transformer de Difusão Multi-Resolução com Compreensão Chinesa Detalhada
Implementação oficial em PyTorch do artigo "Human Motion Diffusion Model"
Crie vídeos no computador que você já possui. O FreeVideo executa o MiniMax H3 com apenas 8 GB de VRAM e 16 GB de RAM, adaptando sua rota de aceleração ao seu hardware.
[Destaque ICLR2025] SVDQuant: Absorvendo Outliers por Componentes de Baixa Patente para Modelos de Difusão de 4 Bits
GLIDE: um modelo de síntese de imagem condicional a texto baseado em difusão
Uma lista selecionada de pesquisas de ponta em IA incorporada, com foco em modelos de visão-linguagem-ação (VLA), navegação visão-linguagem (VLN) e abordagens relacionadas de aprendizado multimodal.
[NeurIPS 2024] Código oficial para PuLID: Personalização de ID Pura e Rápida via Alinhamento Contrastivo
Base de código oficial para "Self Forcing: Preenchendo a lacuna entre Treinamento e Inferência em Difusão de Vídeo Autorregressiva" (Destaque do NeurIPS 2025)
Edite qualquer coisa em imagens com a tecnologia de segmentação (segment-anything), ControlNet, StableDiffusion, etc. (ACM MM)
Artigos, revisão e taxonomia de modelos de difusão
PixArt-α: Treinamento Rápido de Transformer de Difusão para Síntese de Imagem de Texto para Fotorrealismo
Repositório oficial do VGen: um ecossistema holístico de geração de vídeo para geração de vídeo baseado em modelos de difusão
[ICLR 2025] Pareamento de Fluxo Piramidal para Modelagem Generativa de Vídeo Eficiente
Coletar artigos, dados e repositórios relacionados à super-resolução
[NeurIPS 2025] Deixe-os Falar: Geração de Vídeo Conversacional Multi-Pessoas Orientada por Áudio
[ICLR 2024] Implementação oficial do DreamCraft3D: Geração 3D Hierárquica com Prior de Difusão Inicializado
Um kit geral de ajuste fino (fine-tuning) voltado para modelos de difusão de imagem/vídeo/áudio.
Para facilitar o uso do ComfyUI, fiz algumas otimizações e integrações em alguns nós comumente usados.
Geração de Vídeos de Movimento Humano de Alta Qualidade com Orientação de Poses Sensível à Confiança
MusePose: uma estrutura de imagem para vídeo orientada por pose para geração de humanos virtuais
[NeurIPS 2025] Uma implementação oficial do Flow-GRPO: Treinando Modelos de Flow Matching via RL Online
[Destaque da ECCV 2026] Implementação de «Live Avatar: geração de avatares orientada por áudio em tempo real, em streaming e com duração infinita»
Uma coleção selecionada de artigos, benchmarks, revisões e ferramentas sobre quantização de modelos, abrangendo redes de poucos bits, LLMs, modelos multimodais e generativos, quantização vetorial e de reticulado, e implantação eficiente.
Implementação oficial em PyTorch de Geração de Vídeo de Um Minuto com Treinamento em Tempo de Teste
📹 Uma estrutura mais flexível que pode gerar vídeos em qualquer resolução e criar vídeos a partir de imagens.