#diffusion-models Репозитории
Всего репозиториев: 473
Реализация MeanFlow и iMF (одношаговое генеративное моделирование) на PyTorch.
[Финалист устной презентации и лучшей статьи CVPR 2025] Difix3D+: Улучшение 3D-реконструкций с помощью одношаговых диффузионных моделей
Интерактивные визуализации геометрической интуиции, лежащей в основе диффузионных моделей.
Wunjo Make: замена лиц, синхронизация губ, управление, удаление объектов, текста и фона, рестайлинг, разделение аудио, клонирование голоса и генерация видео. Открытый исходный код, локальная работа и бесплатно.
[ICLR24] Официальная реализация статьи «MagicDrive: Генерация уличных сцен с разнообразным контролем 3D-геометрии»
[ICLR 2025 Oral] TANGO: Воссоздание видео жестов в сопровождении речи с иерархическим внедрением аудио-движения и диффузионной интерполяцией
Базовая модель, которая генерирует синхронизированные видео и аудио в рамках одной модели
[IJCV] Show-1: Соединение пиксельных и латентных диффузионных моделей для генерации видео по тексту
GaussianObject: Высококачественная реконструкция 3D-объектов из четырех видов с помощью Gaussian Splatting (SIGGRAPH Asia 2024, TOG)
Allegro — это мощная модель преобразования текста в видео, которая генерирует высококачественные видео продолжительностью до 6 секунд при частоте 15 кадров в секунду и разрешении 720p из простого текстового ввода.
Инструменты для обучения генеративной модели на произвольных аудиосэмплах
Коллекция ресурсов по управляемой генерации с использованием диффузионных моделей преобразования текста в изображение.
Официальный выпуск кода и контрольных точек для базовых моделей мобильных роботов: GNM, ViNT и NoMaD.
[ICLR 2025 Oral] Официальная реализация "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance"
[ICLR'24 spotlight] Серия китайско-английских мультимодальных больших моделей (Чат и Рисование) | Серия двуязычных китайско-английских мультимодальных больших моделей на основе базовой модели CPM
[TMLR] Диффузия, управляемая памятью, для генерации выразительных говорящих видео
[ECCV 2026] Skyfall-GS: Синтез иммерсивных 3D-городских сцен на основе спутниковых снимков
[ICLR 2024 Spotlight] SyncDreamer: Генерация мультиперспективных согласованных изображений из одного изображения
[CVPR 2025 Highlight] 3DTopia-XL: Генерация высококачественных 3D PBR ассетов с помощью диффузии примитивов
[ECCV 2024 Oral] MotionDirector: Настройка движения моделей диффузии текста в видео.
[ICML 2026] Официальная кодовая база для «Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation» и Causal Forcing++
[ICLR2026] Пересмотр генерации высококачественных эстетических плакатов в единой рамке
[TPAMI 2026] ConsistentID: Генерация портретов с сохранением идентичности на тонком уровне с использованием мультимодальных данных
Официальная реализация статьи: «FlowEdit: инверсионное редактирование на основе текста с использованием предварительно обученных моделей потока»
[ECCV2024] Pixel-Aware Stable Diffusion для реалистичного сверхвысокого разрешения изображений и персонализированной стилизации
Обзор и список статей по текущим диффузионным моделям для временных рядов и пространственно-временных данных с отличными ресурсами (статьи, приложения, обзоры, исследования и т. д.).
[CVPR 2024] PIA, ваш Персонализированный Аниматор Изображений. Анимируйте свои изображения с помощью текстовых подсказок, комбинируя с Dreambooth, добиваясь потрясающих видео. PIA, ваш персонализированный аниматор изображений, превращает ваши изображения в потрясающие анимации с помощью текстовых подсказок.
Код для статьи «Визуальные анаграммы: генерация многоракурсных оптических иллюзий с помощью диффузионных моделей»
Порт sd-webui-Detail-Daemon от muerrilla в качестве узла для ComfyUI, для настройки сигм, контролирующих детализацию.
[ICLR 2026] Итеративный фреймворк без обучения для визуализации длинных историй
обзор диффузионной обработки изображений, включая восстановление, улучшение, кодирование, оценку качества
Модель видео-основы отраслевого уровня для унифицированной генерации видео из текста (T2V) и из изображений (I2V).
[IJCV 2024] LaVie: Генерация высококачественного видео с помощью каскадных латентных диффузионных моделей