#diffusion-models Репозитории
Всего репозиториев: 473
Резюме связанных работ по сопоставлению потоков, стохастическим интерполянтам
Официальный код инференса для BluePixel — нативной модели редактирования изображений в 4K с дистиллированным инференсом за 4 шага, созданной на основе FLUX.2 Klein и DCAE.
Восстановление изображений с помощью стохастических дифференциальных уравнений с возвратом к среднему, ICML 2023. Решение-победитель конкурса NTIRE 2023 по удалению теней с изображений.
[ICML 2025] Официальная реализация PyTorch "History-Guided Video Diffusion"
[NeurlPS2024] Одношаговая эффективная диффузионная сеть для сверхвысокого разрешения реальных изображений
[ECCV 2024] От одной картинки к 3D-текстурированной сетке за 10 секунд с использованием сверточной модели реконструкции.
Cosmos-Predict2 — это набор универсальных мировых фундаментальных моделей для Physical AI, которые могут быть доработаны в индивидуальные мировые модели для последующих приложений.
Сборник статей и кодов для CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC
HunyuanImage-2.1: Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation
Открытая диффузионная языковая модель для генерации кода — выпускаем предобучение, оценку, вывод и контрольные точки.
DFloat11 [NeurIPS '25]: Сжатие LLM и DiT без потерь для эффективного вывода на GPU
[IJCV 2026] FoleyCrafter: Оживите немые видео с помощью реалистичных и синхронизированных звуков.
[NeurIPS 2023] Uni-ControlNet: Универсальный контроль для диффузионных моделей преобразования текста в изображение
Реализация «DreamDiffusion: Генерация высококачественных изображений по сигналам ЭЭГ мозга»
Реализация Make-An-Audio (ICML'23) на PyTorch с генеративной моделью преобразования текста в аудио
Pippo: Высокодетализированные многоракурсные изображения людей по одному изображению
Китайский перевод «Machine Learning: A Probabilistic Perspective» (Kevin P. Murphy) и реализации алгоритмов из книги на Python.
SteadyDancer: Гармонизированная и когерентная анимация человеческих изображений с сохранением первого кадра
HART: Эффективная визуальная генерация с помощью гибридного авторегрессионного трансформера
Инструмент для нанесения водяных знаков для защиты произведений искусства, созданных человеком, от использования в синтетических произведениях искусства.
Этот репозиторий содержит коллекцию ресурсов и статей по моделям диффузии для RL, сопровождающих статью "Diffusion Models for Reinforcement Learning: A Survey."
Улучшайте качество маленьких лиц в видео MiniMax H3. Отслеживайте лица покадрово, вырезайте их, улучшайте с помощью H3 и возвращайте в видео.
[CVPR'26 Выделение] Ditto: Масштабирование редактирования видео на основе инструкций с использованием высококачественного синтетического набора данных
[CVPR'26] ObjectClear: Точный удаление объектов и эффектов с адаптивным вниманием к целям
Ресурсы моделей «Видение-Язык-Действие» для автономного вождения (VLA4AD), служащие в качестве сопутствующего репозитория к обзорной статье «A Survey on Vision–Language–Action Models for Autonomous Driving».
Официальная реализация "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Это официальный код вывода для статьи «Glyph-ByT5: Пользовательский текстовый кодировщик для точного визуального рендеринга текста» и «Glyph-ByT5-v2: Сильная эстетическая основа для точного многоязычного визуального рендеринга текста»"
[ICCV 2025] Генерация изображений по тексту с учетом регионов посредством жесткой привязки и мягкой доработки 🔥
Минимальная реализация масштабируемых трансформеров с выпрямленным потоком, основанная на подходе SD3
Официальная реализация "FitDiT: Улучшение аутентичных деталей одежды для высококачественной виртуальной примерки"
[CVPR 2024] Релиз кода для "InstanceDiffusion: Instance-level Control for Image Generation"
[ICML 2024] 3D-VLA: Генеративная мировая модель для 3D-зрения, языка и действий