#diffusion-models Repositórios
473 repositórios no total
[TPAMI 2026🔥] Helios: modelo de geração de vídeos longos verdadeiramente em tempo real
📺 Uma Solução Ponta a Ponta para Geração de Vídeos de Alta Resolução e Longa Duração Baseada em Difusão de Transformer
Lumina-T2X é um framework unificado para Geração de Texto para Qualquer Modalidade
coleção de artigos sobre modelos de difusão categorizados por suas subáreas
Modelos de Difusão em Imagiologia Médica (Publicado na Revista Medical Image Analysis)
Implementação oficial em PyTorch de "Diffusion Transformers with Representation Autoencoders"
Uma lista de leitura sobre segurança, proteção e privacidade de modelos de grande escala (incluindo Awesome LLM Security, Safety, etc.).
[NeurIPS 2025] Edição de imagem vale um único LoRA! Apenas 0,1% de dados de treinamento para uma edição de imagem fantástica! Supera o GPT-4o em persistência de ID~ MoE ckpt lançado! Apenas 4GB de VRAM são suficientes para rodar!
Implementação PyTorch para Modelagem Generativa Baseada em Pontuação através de Equações Diferenciais Estocásticas (ICLR 2021, Oral)
Repositório de código para Zero123++: um Modelo Base de Difusão Multi-view Consistente a partir de Imagem Única.
[ICLR & NeurIPS 2025] Repositório para a série Show-o, Um Único Transformer para Unificar Compreensão e Geração Multimodal.
[CVPR 2026] Rumo à super-resolução de vídeo em tempo real baseada em difusão — uma estrutura de difusão de um passo eficiente para VSR em streaming com atenção esparsa limitada por localidade e um decodificador condicional diminuto.
Custom Diffusion: Personalização Multi-Conceito de Difusão de Texto para Imagem (CVPR 2023)
OneDiff: Uma biblioteca de aceleração pronta para uso para modelos de difusão.
[Destaque do ICCV 2025] OminiControl: Controle Mínimo e Universal para Transformer de Difusão
Super resolução de áudio versátil (qualquer -> 48kHz) com AudioSR.
DIAMOND (DIffusion As a Model Of eNvironment Dreams) é um agente de aprendizado por reforço treinado em um modelo de mundo de difusão. Destaque do NeurIPS 2024.
Modelo Autorregressivo Supera a Difusão: 🦙 Llama para Geração de Imagens Escalável
[ICLR 2025] CatVTON é um modelo de difusão de provador virtual simples e eficiente com 1) Rede Leve (899,06M de parâmetros no total), 2) Treinamento Eficiente em Parâmetros (49,57M de parâmetros treináveis) e 3) Inferência Simplificada (< 8G de VRAM para resolução 1024X768).
[ICCV 2023] Make-It-3D: Criação 3D de Alta Fidelidade a partir de Uma Única Imagem com Prior Difusivo
HunyuanVideo-I2V: Um Modelo Personalizável de Imagem para Vídeo baseado no HunyuanVideo
RDT-1B: um Modelo de Fundação de Difusão para Manipulação Bimanual
Código oficial para "DPM-Solver: Um solucionador ODE rápido para amostragem de modelo probabilístico de difusão em cerca de 10 passos" (Neurips 2022 Oral)
Coleta de artigos incríveis sobre RAG para AIGC. Propomos uma taxonomia de fundamentos, aprimoramentos e aplicações de RAG no artigo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".
TorchMultimodal é uma biblioteca PyTorch para treinar modelos multitarefa multimodais de última geração em escala.
Implementação de "EasyControl: Adicionando Controle Eficiente e Flexível para Difusão Transformer" (ICCV2025)
[NeurIPS 2023] ImageReward: Aprendizagem e Avaliação de Preferências Humanas para Geração de Texto para Imagem
[ECCV 2024] A implementação oficial do artigo "BrushNet: Um Modelo Plug-and-Play de Preenchimento de Imagem com Difusão Dual-Branch Decomposta"
VibeVoice: Síntese de fala conversacional expressiva e de formato longo. (Versão da Comunidade)
MMaDA – Modelos de Linguagem de Difusão de Grande Porte e Multimodais Open-Source (dLLMs com difusão em bloco, mixed-CoT, RL unificado)
[CVPR 2025] Aprendendo Campos de Fluxo em Atenção para Geração Controlável de Imagens de Pessoas
Uma lista selecionada de recursos de Modelos de Difusão em RL (continuamente atualizada)
[SIGGRAPH Asia 2025] DreamO: Uma Estrutura Unificada para Personalização de Imagens
Modelo de Texto para Fala baseado em Flow Matching com Controle de Estilo Impulsionado por Emojis
[ICLR'25 Oral] Alinhamento de Representação para Geração: Treinar Diffusion Transformers É Mais Fácil do que Você Pensa