#diffusion-models Repositórios
473 repositórios no total
Um resumo de trabalhos relacionados sobre flow matching, interpolantes estocásticos
Código oficial de inferência do BluePixel, um modelo nativo de edição de imagens em 4K com inferência destilada em 4 etapas, baseado em FLUX.2 Klein e DCAE.
Restauração de Imagens com Equações Diferenciais Estocásticas de Reversão à Média, ICML 2023. Solução vencedora do Desafio NTIRE 2023 de Remoção de Sombra de Imagens.
[ICML 2025] Implementação Oficial em PyTorch de "Difusão de Vídeo Guiada por Histórico"
[NeurlPS2024] Rede de Difusão Eficaz em Uma Única Etapa para Super-Resolução de Imagens do Mundo Real
[ECCV 2024] Malha Texturizada 3D a partir de Imagem Única em 10 segundos com Modelo de Reconstrução Convolucional.
Cosmos-Predict2 é uma coleção de modelos de fundação mundial de propósito geral para IA Física que podem ser ajustados em modelos mundiais personalizados para aplicações downstream.
Uma coleção de artigos e códigos para CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC
HunyuanImage-2.1: Um Modelo de Difusão Eficiente para Geração de Texto para Imagem em Alta Resolução (2K)
Modelo linguístico de difusão aberto para geração de código — lançando pré-treinamento, avaliação, inferência e pontos de verificação.
DFloat11 [NeurIPS '25]: Compressão Sem Perdas de LLMs e DiTs para Inferência de GPU Eficiente
[IJCV 2026] FoleyCrafter: Dê vida aos seus vídeos silenciosos com sons realistas e sincronizados.
[NeurIPS 2023] Uni-ControlNet: Controle Tudo-em-Um para Modelos de Difusão de Texto para Imagem
Flash Diffusion — acelerando modelos de difusão condicional (AAAI 2025 Oral)
Implementação de “DreamDiffusion: Geração de Imagens de Alta Qualidade a Partir de Sinais de EEG Cerebrais”
Implementação PyTorch do Make-An-Audio (ICML'23) com um Modelo Generativo de Texto para Áudio
Pippo: Humanos de Alta Resolução com Múltiplas Visualizações a Partir de Uma Única Imagem
Tradução para o chinês de "Machine Learning: A Probabilistic Perspective" (Kevin P. Murphy) e implementação em Python dos algoritmos do livro.
SteadyDancer: Animação de Imagens Humanas Harmonizada e Coerente com Preservação do Primeiro Quadro
Uma ferramenta de marca d'água para proteger obras de arte humanas de serem usadas em obras de arte sintéticas.
Este repositório contém uma coleção de recursos e artigos sobre Modelos de Difusão para RL, acompanhando o artigo "Modelos de Difusão para Aprendizagem por Reforço: Uma Pesquisa"
Refine e melhore a qualidade de rostos pequenos em vídeos do MiniMax H3. Rastreie os rostos quadro a quadro, recorte-os, aprimore-os com o H3 e reintegre-os ao vídeo.
[CVPR'26 Destaque] Ditto: Escalando Edição de Vídeo Baseada em Instruções com um Conjunto de Dados Sintético de Alta Qualidade
[CVPR'26] ObjectClear: Remoção Precisa de Objetos e Efeitos com Atenção Adaptativa Sensível ao Alvo
Recursos de modelos de Visão-Linguagem-Ação para Direção Autônoma (VLA4AD), servindo como repositório complementar ao artigo de revisão “A Survey on Vision–Language–Action Models for Autonomous Driving”.
Implementação oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Este é um código de inferência oficial do artigo "Glyph-ByT5: Um Codificador de Texto Personalizado para Renderização Precisa de Texto Visual" e "Glyph-ByT5-v2: Uma Forte Linha de Base Estética para Renderização Precisa de Texto Visual Multilíngue""
[ICCV 2025] Geração de Texto para Imagem Consciente de Região via Vinculação Rígida e Refinamento Suave 🔥
Implementação mínima de transformadores de fluxo retificado escalonáveis, com base na abordagem do SD3
Implementação oficial de "FitDiT: Aprimoramento dos Detalhes Autênticos de Vestuário para Prova Virtual de Alta Fidelidade"
[CVPR 2024] Lançamento de código para "InstanceDiffusion: Controle em Nível de Instância para Geração de Imagens"
[ICML 2024] 3D-VLA: Um Modelo de Mundo Generativo 3D de Visão-Linguagem-Ação