diffusion-models 第 3 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 3 / 8 页）
OneDiffusionOneDiffusion 是 CVPR 2025 论文的官方实现，一个基于扩散模型的统一图像生成与编辑框架。它解决了传统扩散模型只能处理单一任务（如文生图或图生★ 663
Open-dLLMOpen-dLLM 是一个开源的扩散语言模型，专门面向代码生成任务。它解决了传统自回归语言模型在代码生成中推理速度慢、生成缺乏全局一致性的问题，通过扩散模型的方★ 662
cycle-diffusionCycle-Diffusion 是一个基于扩散模型的图像编辑工具，核心思想是在潜在空间中实现源图像与目标图像之间的循环一致性映射，从而支持无需额外训练的图像到图★ 660
NOVANOVA 是一个面向图像与视频生成的自回归模型开源项目，核心创新在于摒弃了传统自回归生成中必需的向量量化（VQ）步骤，直接对连续特征进行建模。该项目由论文《Au★ 660
OpenMusicOpenMusic 是一个基于 Python 的文本生成音乐（Text-to-Music）开源项目，旨在实现当前最先进的（SOTA）音乐生成效果。它解决了从文字★ 638
blended-latent-diffusionBlended Latent Diffusion 是 SIGGRAPH 2023 论文的官方实现，用于文本驱动的图像局部编辑。它解决的是传统扩散模型在编辑图像时★ 631
semantic-drawSemanticDraw 是 CVPR 2025 论文的官方实现，旨在解决图像扩散模型在交互式内容创作中实时性不足的问题。传统扩散模型生成图像需要多次迭代采样，★ 587
VEnhancerVEnhancer是一个用于视频生成的生成式时空增强工具，基于扩散模型，解决视频生成中时间一致性和空间分辨率不足的问题。它通过生成式方法对视频进行超分辨率、帧插★ 579
One-DMOne-DM 是一个基于扩散模型的手写文本生成工具，对应 ECCV 2024 论文《One-Shot Diffusion Mimicker for Handwr★ 574
Inline-StudioInline-Studio 是一个基于节点画布的 AI 电影制作工具，旨在将复杂的 AI 视频生成流程可视化、模块化。它解决了传统 AI 视频制作中工作流难以管★ 557
WuerstchenWuerstchen 是一个文本到图像生成模型的官方实现，核心创新在于提出了一种高效的预训练方法。它通过将图像压缩为极其紧凑的潜在表示，大幅降低训练和推理的计算★ 553
VistaDreamVistaDream 是一个用于单视图场景重建的多视图一致图像采样工具，由 ICCV 2025 论文提出。它解决的是从单张图像生成多视角一致图像的问题，这是三维★ 541
storytellerstoryteller 是一个多模态 AI 故事生成器，结合 Stable Diffusion、GPT 和神经文本转语音技术，将文字故事自动转化为图文并茂、带语★ 535
break-a-sceneBreak-A-Scene 是 SIGGRAPH Asia 2023 论文的官方实现，旨在从单张图像中提取多个概念（如物体、风格），并用于文本到图像的生成。它解★ 524
sjcsjc（Score Jacobian Chaining）是CVPR 2023提出的3D生成方法，核心思路是利用预训练的2D扩散模型（如Stable Diffus★ 523
SparkDiffusionSparkDiffusion 是一个面向 DiT（Diffusion Transformer）视频生成模型的推理加速框架，目标是把原本需要数分钟甚至更久的视频生★ 522
ml-mdmml-mdm 是苹果开源的文本到图像扩散模型训练框架，目标是在数据和算力都受限的条件下，依然能训练出高质量的生成模型。它针对当前文生图模型训练动辄需要上亿图文对★ 515
DiffMorpherDiffMorpher 是 CVPR 2024 的官方实现，旨在利用扩散模型的能力实现高质量的图像变形（morphing）。传统图像变形方法在保持语义一致性和视★ 511
fantasy-portraitFantasyPortrait 是一个面向多人物肖像动画的视频生成开源项目，基于扩散变换器（Diffusion Transformers）并引入表情增强机制。它★ 510
Awesome-Controllable-Diffusion这是一个聚焦扩散模型可控生成的精选资源列表，收录了ControlNet、DreamBooth、IP-Adapter等前沿方法的论文与代码。它系统梳理了从结构控制★ 504
PIDMPIDM 是一个基于扩散模型的人物图像合成项目，发表于 CVPR 2023。它解决的是在给定人物参考图像和目标姿态的条件下，生成逼真、细节丰富的人物图像的问题。★ 501
ms-cookbookms-cookbook 是魔搭社区（ModelScope）推出的开源实战指南，俗称「魔搭紫皮书」。它面向希望把大模型真正用起来的开发者，系统性地覆盖从模型选型、★ 498
Awesome-Singing-Voice-Synthesis-and-Singing-Voice-Conversion这是一个关于歌声合成（SVS）与歌声转换（SVC）的精选论文与项目列表，同时涵盖语音合成（TTS）、语音转换（VC）及相关领域（如音乐合成、自动音乐转录、MOS★ 492
DNA-DiffusionDNA-Diffusion 是一个将扩散概率模型应用于调控基因组学的开源项目，旨在生成具有特定调控特征的 DNA 序列。它解决了传统方法难以建模 DNA 序列复★ 490
Open-OmniVCusOmniVCus 是一个面向视频定制生成的开源项目，基于扩散模型（Diffusion Models）和 Transformer 架构，支持通过多模态控制条件（如★ 490
FlashVideoFlashVideo 是一个面向高效高分辨率视频生成的开源项目，源自 AAAI-2026 论文。它针对现有视频扩散模型在生成高分辨率视频时计算成本高、细节保真度★ 487
LakonLabLakonLab 是一个专注于图像生成的开源项目，官方实现了 AsymFlow、pi-Flow 和 GMFlow 三种流匹配（Flow Matching）模型。★ 477
OmniShowOmniShow 是字节跳动推出的统一视频生成模型，专注于人-物交互（HOI）视频生成，论文发表于 ICML 2026。它基于扩散模型（DiT/MMDiT）架构★ 474
CVPR23_LFDMCVPR23_LFDM 是 CVPR 2023 论文《Conditional Image-to-Video Generation with Latent Flo★ 471
ACTalkerACTalker 是一个基于视频扩散模型的端到端说话头生成框架，由 ICCV 2025 论文提出。它解决的是传统说话头合成中控制信号单一、生成效果不自然的问题，★ 466
InstructCVInstructCV 是一个基于指令微调文本到图像扩散模型的视觉通用框架，源自 ICLR 2024 论文。它旨在解决传统视觉模型任务单一、泛化能力弱的问题，通过★ 463
Magic-MeMagic-Me 是一个基于扩散模型的个性化视频生成项目，旨在实现身份特定的视频定制化生成。它解决了现有文本到视频模型难以保持特定人物身份一致性的问题，允许用户★ 460
Awesome-Try-On-Models这是一个虚拟试穿（Virtual Try-on）领域的资源聚合仓库，系统整理了相关论文、代码和工具。它解决的是虚拟试穿方向研究者和开发者信息分散、难以快速找到高★ 458
MM-DiffusionMM-Diffusion是CVPR 2023提出的多模态扩散模型，用于联合生成音频和视频。它解决的是传统生成模型只能处理单一模态、难以实现音视频同步生成的问题。★ 454
mixture-of-diffusersMixture of Diffusers 是一个基于扩散模型的图像生成工具，专注于场景合成与高分辨率图像生成。它解决了单一扩散模型在生成复杂场景或高分辨率图像时★ 451
multimodal-garment-designerMultimodal Garment Designer 是一个基于潜在扩散模型的时尚图像编辑工具，源自 ICCV 2023 论文。它解决的是服装设计场景中，通过★ 445
Collaborative-DiffusionCollaborative Diffusion 是一个面向多模态条件引导的扩散模型框架，核心解决现有扩散模型难以同时利用多种异构条件（如文本、草图、语义图、参考★ 444
ProDiffProDiff 是一个基于 PyTorch 实现的语音合成项目，对应 ACM-MM'22 论文，主打极速扩散式语音合成。它解决了传统扩散模型在语音合成中推理速度★ 432
OpenDWMOpenDWM 是一个专注于自动驾驶场景的开源世界模型代码库，提供从训练、推理到评估的完整工具链，并附带预训练权重。它基于扩散模型和视频生成技术，旨在解决自动驾★ 423
DreamLayer-EvalDreamLayer-Eval 是一个面向扩散模型的自动化评测基准工具，旨在解决图像生成模型评估过程繁琐、结果难以复现的问题。它通过自动化管理评估流程、随机种子★ 413
MagicBrushMagicBrush 是 NeurIPS 2023 收录的一个用于指令引导图像编辑的手工标注数据集。它解决了现有图像编辑数据集依赖自动生成、指令与编辑结果不匹配★ 412
stable-flowStable Flow 是 CVPR 2025 论文的官方实现，提出一种无需训练的图像编辑方法。它针对扩散模型（如 Stable Diffusion）在编辑时因★ 412
PnPInversionPnPInversion 是 ICLR 2024 的官方实现，提出一种仅需三行代码即可增强扩散模型编辑能力的方法。它解决现有基于扩散模型的图像编辑中，编辑结果与★ 412
WaveGradWaveGrad 是 Google Brain 提出的高保真语音合成声码器（vocoder）的 PyTorch 非官方实现。它基于扩散概率模型（diffusio★ 408
cross-image-attentionCross-Image Attention 是论文《Cross-Image Attention for Zero-Shot Appearance Transfe★ 404
Awesome-Generation-Acceleration这是一个专注于生成模型加速的资源合集，主要收集扩散模型、文本到图像生成等领域的推理加速技术。它解决了生成式AI模型在部署时计算量大、推理速度慢的问题，通过整理高★ 403
diffusers-torchaodiffusers-torchao 是一个专注于扩散模型优化的端到端配方库，由 Hugging Face 和 PyTorch 团队联合维护。它解决的是扩散模型（★ 397
mustangoMustango是一个面向可控文本生成音乐的开源模型，旨在解决现有文本到音乐生成中控制能力弱、语义对齐差的问题。它基于音乐理解模型和潜在扩散模型，通过引入音乐相★ 396
EponaEpona 是 ICCV 2025 收录的自动驾驶世界模型官方实现，基于自回归扩散模型生成未来视频帧。它解决自动驾驶中预测未来场景的难题，核心能力是给定当前观测★ 392
MACEMACE 是一个针对 Stable Diffusion 等扩散模型的概念擦除工具，旨在解决文本生成图像模型可能生成不当内容的问题。它通过微调模型权重，实现同时擦★ 390