#diffusion-models Repositórios
473 repositórios no total
Implementação em PyTorch de MeanFlow e iMF (modelagem generativa de passo único).
[Finalista Oral e de Melhor Artigo da CVPR 2025] Difix3D+: Aprimorando Reconstruções 3D com Modelos de Difusão de Passo Único
Visualizações interativas da intuição geométrica por trás dos modelos de difusão.
Wunjo Make: troca de rostos, sincronização labial, controlo, remoção de objetos, texto e fundo, reformulação de estilo, separador de áudio, clonagem de voz e geração de vídeo. Código aberto, local e gratuito.
[ICLR24] Implementação oficial do artigo “MagicDrive: Geração de Vistas de Rua com Controle Diverso de Geometria 3D”
[ICLR 2025 Oral] TANGO: Reencenação de Vídeo de Gestos Durante a Fala com Incorporação Hierárquica de Áudio-Movimento e Interpolação por Difusão
[IJCV] Show-1: Casando Modelos de Difusão de Pixel e Latente para Geração de Texto para Vídeo
GaussianObject: Reconstrução de Objetos 3D de Alta Qualidade a Partir de Quatro Visualizações com Gaussian Splatting (SIGGRAPH Asia 2024, TOG)
[ICLR 2026 Oral] DiffusionNFT: Refôrço de difusão online com processo direto
Allegro é um poderoso modelo de texto para vídeo que gera vídeos de alta qualidade de até 6 segundos a 15 FPS e resolução de 720p a partir de uma entrada de texto simples.
Ferramentas para treinar um modelo generativo em amostras de áudio arbitrárias
Uma coleção de recursos sobre geração controlável com modelos de difusão de texto para imagem.
Lançamento oficial do código e dos pontos de controle para modelos de base de robôs móveis: GNM, ViNT e NoMaD.
[ICLR 2025 Oral] A implementação oficial de "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance"
[Destaque ICLR'24] Série de Grandes Modelos Multimodais Chinês e Inglês (Chat e Paint) | Série de Grandes Modelos Multimodais Bilíngues Chinês-Inglês Baseada no Modelo Fundamental CPM
[ECCV 2026] Skyfall-GS: Síntese de cenas urbanas 3D imersivas a partir de imagens de satélite
[Destaque ICLR 2024] SyncDreamer: Gerando Imagens Multivisualmente Consistentes a Partir de Uma Única Imagem
[Destaque CVPR 2025] 3DTopia-XL: Geração de Ativos PBR 3D de Alta Qualidade via Difusão Primitiva
[ECCV 2024 Oral] MotionDirector: Customização de Movimento em Modelos de Difusão de Texto para Vídeo.
[ICML 2026] Base de código oficial para "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" & Causal Forcing++
[ICLR2026] Repensando a geração de pôsteres estéticos de alta qualidade em um framework unificado
[TPAMI 2026] ConsistentID: Geração de Retratos com Preservação de Identidade Multimodal de Granularidade Fina
Implementação oficial do artigo: "FlowEdit: Edição Baseada em Texto Sem Inversão Usando Modelos de Fluxo Pré-Treinados"
[ECCV2024] Difusão Estável Consciente de Pixels para Super-Resolução de Imagens Realistas e Estilização Personalizada
Um levantamento e lista de artigos sobre Modelos de Difusão atuais para Séries Temporais e Dados Espaço-Temporais, com recursos excelentes (artigos, aplicações, revisões, pesquisas, etc.).
[CVPR 2024] PIA, seu Animador de Imagem Personalizado. Anime suas imagens por prompt de texto, combinando com Dreambooth, alcançando vídeos impressionantes. PIA, seu gerador de animação de imagem personalizado, usa prompts de texto para transformar imagens em animações fantásticas.
Código para o artigo "Visual Anagrams: Gerando Ilusões de Ótica Multi-Visão com Modelos de Difusão"
Um port do sd-webui-Detail-Daemon de muerrilla como um nó para o ComfyUI, para ajustar os sigmas que controlam o detalhe.
[ICLR 2026] Um framework iterativo sem treinamento para visualização de histórias longas
um resumo do processamento de imagem baseado em difusão, incluindo restauração, aprimoramento, codificação e avaliação de qualidade
Modelo de fundação de vídeo em nível de indústria para geração unificada de texto para vídeo (T2V) e imagem para vídeo (I2V).
[IJCV 2024] LaVie: Geração de Vídeo de Alta Qualidade com Modelos de Difusão Latente em Cascata