diffusion-models 第 2 页
本站收录 377 个带「diffusion-models」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 8 页）
prunaPruna 是一个面向开发者的模型优化框架，旨在以最小的工作量让 AI 模型运行得更快、更高效。它主要解决深度学习模型在推理阶段的性能瓶颈问题，通过组合多种优化★ 1,324
verl-omniverl-omni 是字节跳动 verl 生态下面向多模态与全模态模型的强化学习训练框架，专注解决扩散模型（diffusion）和 omni 模型在 RL 后训★ 1,310
Paint-by-ExamplePaint-by-Example 是一个基于扩散模型的图像编辑工具，通过给定示例图像，实现对输入图像的语义编辑，如替换物体、改变风格等。它解决了传统图像编辑需要★ 1,253
tangotango 是一个用于文本生成音频的扩散模型家族，旨在解决从文字描述直接合成高质量音频的问题。它基于文本提示生成对应的音频内容，如音效、环境声等，核心能力包括文★ 1,242
HunyuanCustomHunyuanCustom 是一个基于多模态驱动的定制化视频生成架构，旨在解决现有视频生成模型难以对特定主体进行个性化控制的问题。它通过融合音频、图像和文本等多★ 1,231
wunjo.wladradchenko.ruWunjo CE 是一个本地运行的开源多媒体创作工具，集成了人脸替换、唇形同步、视频生成、物体/文字/背景移除、风格重绘、音频分离和声音克隆等多项 AI 能力。★ 1,181
MagicDriveMagicDrive是ICLR 2024收录的论文官方实现，专注于自动驾驶场景的街景图像生成。它通过扩散模型结合3D几何控制，解决自动驾驶数据稀缺和多样性不足的★ 1,165
MOVAMOVA 是一个统一的多模态基础模型，能够在一个模型中同时生成同步的视频和音频，解决了传统视频生成中音画分离、需要额外配音或后期对齐的痛点。它基于扩散模型架构，★ 1,126
Awesome-Controllable-T2I-Diffusion-Models这是一个关于文本到图像扩散模型可控生成的资源集合，旨在解决扩散模型生成结果难以精确控制的问题。项目系统整理了该领域的前沿研究、方法和工具，涵盖空间控制（如布局、★ 1,109
text2roomText2Room 是一个利用 2D 文本生成图像模型来创建带纹理 3D 网格的开源项目，出自 ICCV2023。它解决了从单一文本提示直接生成连贯、可探索的 ★ 1,093
pytorch-stable-diffusion这是一个从零开始、逐行实现 Stable Diffusion 的 PyTorch 教程项目，完全基于论文《High-Resolution Image Synth★ 1,084
MultiDiffusionMultiDiffusion 是 ICML 2023 论文的官方 PyTorch 实现，提出了一种无需额外训练即可实现可控图像生成的新方法。它通过将多个扩散生成★ 1,071
MotionDirectorMotionDirector 是 ECCV 2024 Oral 论文的开源实现，专注于文本到视频扩散模型的运动定制。它解决的是现有视频生成模型难以精确控制动作、★ 1,061
3DTopia-XL3DTopia-XL 是一个基于基元扩散（Primitive Diffusion）的高质量 3D PBR 资产生成框架，由复旦大学和百度等机构联合推出，入选 C★ 1,047
Causal-ForcingCausal-Forcing 是 ICML 2026 论文的官方代码库，提出了一种自回归扩散模型的蒸馏方法，旨在实现高质量、实时的交互式视频生成。它解决了传统扩★ 1,008
PIAPIA 是一个基于扩散模型的个性化图像动画生成工具，来自 CVPR 2024。它解决的核心问题是：如何将一张静态图片，通过简单的文本提示词，变成一段连贯、生动的★ 973
DeepCacheDeepCache 是一个针对扩散模型（Diffusion Models）的免训练加速方案，核心思想是利用扩散模型去噪过程中相邻步骤间特征的高度相似性，通过缓存★ 966
story-iterstory-iter 是一个面向长故事可视化的训练免框架，发表于 ICLR 2026。它解决了现有故事可视化方法在生成长序列图像时角色一致性差、情节连贯性弱的问★ 958
videocomposerVideoComposer 是一个基于扩散模型的视频合成框架，由阿里巴巴研究团队开发。它解决了传统视频生成中运动控制困难的问题，允许用户通过多种条件（如文本、图★ 954
diffusion-literature-for-robotics这是一个面向机器人领域的扩散模型文献汇总项目，系统整理了扩散模型基础论文、博客教程，以及将扩散模型应用于机器人任务的全部已发表论文清单。它解决的是研究者和工程师★ 923
mindnlpmindnlp 是一个开源项目，旨在将 Hugging Face 生态的 Transformers 和 Diffusers 模型无缝迁移到华为 MindSpor★ 920
MindActMindAct 是一个让 Hugging Face 的 Transformers 与 Diffusers 模型无缝运行在华为昇腾 MindSpore 框架上的适★ 920
Real-Time-Latent-Consistency-Model这是一个展示多种实时扩散模型管线的开源应用，基于 Diffusers 库实现。它主要解决传统 Stable Diffusion 推理速度慢、难以用于实时交互场景★ 913
UniPicUniPic 是一个开源的 SOTA 多图像编辑模型，专注于通过自然语言指令对多张输入图像进行联合编辑。它解决了传统图像编辑模型只能处理单张图像、难以理解多图之★ 877
DiffusionOPSDDiffusionOPSD 是一个针对扩散模型的在线策略自蒸馏（On-Policy Self-Distillation）训练框架，旨在解决扩散模型在生成质量和训★ 871
Open-DiffusionGSOpen-DiffusionGS 是一个基于 3D 高斯泼溅（3D Gaussian Splatting）的单阶段图像到 3D 生成与重建框架，论文发表于 IC★ 870
ConsisIDConsisID 是一个面向身份保持的文本到视频生成模型，由 CVPR 2025 Highlight 论文提出。它解决的是在视频生成中，如何根据文本描述生成指定★ 863
ControlVideoControlVideo 是一个无需训练的文本生成视频方法，基于现有文本到图像扩散模型（如 Stable Diffusion）实现可控的视频生成。它解决了文本到★ 861
Awesome-Quantization-Papers这是一个精选神经网络量化相关论文的列表项目，持续跟踪AI顶会和期刊的最新研究成果。它系统整理了模型压缩、低比特量化、量化感知训练、后训练量化等方向的关键论文，帮★ 855
DiT-ExtrapolationDiT-Extrapolation 是 ICML 2025 论文《RIFLEx: A Free Lunch for Length Extrapolation i★ 832
Awesome-Robotics-3DAwesome-Robotics-3D 是一个精选资源列表，专注于大模型（LLM/VLM）时代下机器人领域的 3D 视觉研究。它系统整理了相关论文、代码和网站，★ 826
Paint3DPaint3D 是一个面向 3D 模型的纹理生成工具，由 CVPR 2024 论文提出。它解决的核心问题是：传统 3D 纹理生成往往依赖光照条件，导致生成的纹理★ 810
audio-diffusion利用 Hugging Face 的 diffusers 库将扩散模型应用于音乐合成，把图像生成领域的扩散技术迁移到音频，支持生成风格多样的音乐片段。是探索扩散模★ 794
Awesome-Model-Merging-Methods-Theories-Applications这是一个关于模型合并（Model Merging）的精选资源列表，收录了在大语言模型（LLM）、多模态大模型（MLLM）等领域中模型合并的方法、理论、应用与机遇★ 794
awesome-video-generation这是一个精选视频生成研究资源的列表，收录了文本到视频生成、视频编辑、视频预测等领域的重要论文、代码和数据集。项目以分类整理的方式，帮助研究者快速了解视频生成技术★ 787
SolarWMSolarWM 是一个面向长时程视频世界模型的开源训练项目，核心目标是提供开放数据与可扩展的训练方案，让模型能够根据单张图片或初始帧，持续预测并生成长时间跨度的★ 787
MagicDanceMagicDance（又称MagicPose）是一个基于扩散模型的人体姿态与面部表情重定向工具，由ICML 2024论文提出。它解决的是在保持人物身份特征（如面★ 779
Attend-and-ExciteAttend-and-Excite 是 SIGGRAPH 2023 论文的官方实现，针对文本到图像扩散模型（如 Stable Diffusion）在生成时忽略提★ 772
awesome-text-to-image-studies这是一个精选文本到图像生成研究的资源集合，旨在为研究者和开发者提供系统性的学习路径与工具索引。项目整理了扩散模型、自回归模型等主流技术路线下的经典论文、最新进展★ 762
nano-world-modelnano-world-model 是一个极简但功能完备的世界模型研究仓库，旨在推进世界模型科学的发展。它基于扩散强制（diffusion-forcing）技术，★ 759
stable-diffusion-aesthetic-gradientsstable-diffusion-aesthetic-gradients 是一个基于 Stable Diffusion 的个性化微调工具，通过美学梯度（Aest★ 744
Flow-FactoryFlow-Factory 是一个面向 Flow-Matching 模型的统一强化学习框架，旨在简化基于流匹配的生成模型（如扩散模型）中的强化学习训练流程。它解决★ 731
MagicDrive-V2MagicDrive-V2 是 ICCV 2025 论文的官方实现，面向自动驾驶场景的高分辨率长视频生成模型。它解决现有驾驶视频生成模型在分辨率、时长和可控性上★ 724
Awesome-Video-World-Models-with-AR-Diffusion这是一个精心整理的视频世界模型资源清单，聚焦于自回归扩散（AR Diffusion）技术路线。项目系统梳理了该领域的算法、应用与基础设施，旨在为研究人员、工程师★ 714
diffusion-forcing-transformerdiffusion-forcing-transformer 是 ICML 2025 论文《History-Guided Video Diffusion》的官方 ★ 710
Text-To-Video-FinetuningText-To-Video-Finetuning 是一个基于 Python 的开源项目，旨在帮助开发者对 ModelScope 的文本生成视频模型进行微调。它利★ 705
DiffusionFastForwardDiffusionFastForward 是一个面向扩散生成模型的开源课程与实验框架，旨在帮助学习者和开发者快速上手扩散模型。项目以 Jupyter Noteb★ 684
Awesome-CVPR2026-CVPR2025-ICCV2025-CVPR2024-ECCV2026-ECCV2024-AIGC这是一个汇集CVPR、ICCV、ECCV等顶级计算机视觉会议中AIGC相关论文与代码的精选列表。项目旨在解决研究者难以系统追踪前沿AIGC成果的问题，按会议年份★ 674
HunyuanImage-2.1HunyuanImage-2.1 是腾讯开源的扩散模型，专注于高分辨率（2K）文本到图像生成。它采用高效的扩散Transformer架构，解决传统扩散模型在高分★ 674
flash-diffusionFlash Diffusion 是一个加速条件扩散模型推理的开源项目，来自 AAAI 2025 Oral 论文。它通过引入先进的蒸馏技术和架构优化，显著减少扩散★ 667