diffusion-models 第 5 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 5 / 8 页）
VideoTetrisVideoTetris 是 NeurIPS 2024 收录的组合式文生视频框架，解决现有模型难以生成包含多个对象、动作和场景的复杂视频问题。它通过将视频生成分解★ 237
OmniTransferOmniTransfer 是一个面向时空视频迁移的全能框架，旨在解决视频生成中多种迁移任务分散、流程复杂的问题。它整合了姿态迁移、风格迁移、身份生成、相机控制等★ 236
GenAI4ADGenAI4AD 是一个系统梳理生成式人工智能（GenAI）在自动驾驶全栈中应用的开源项目。它并非一个可直接运行的模型，而是一份深度综述与知识图谱，覆盖从感知、★ 233
transformer_latent_diffusion这是一个基于Transformer核心的文本到图像潜在扩散模型实现，旨在探索用Transformer替代传统U-Net作为扩散模型主干网络的可能性。项目解决了S★ 230
DiffusionFromScratchDiffusionFromScratch 是一个教学型开源项目，旨在用单个 Python 脚本从零重建 Stable Diffusion 模型，作为哈佛大学“M★ 229
LN3DiffLN3Diff 是一个基于扩散模型的文本生成3D物体网格的开源项目，发表于 ECCV 2024。它解决了从文本描述直接生成高质量3D网格的难题，传统方法通常需要★ 229
GeometryForcingGeometryForcing 是一个将视频扩散模型与 3D 表示相结合的统一世界建模框架，旨在解决视频生成中时空一致性问题。它通过引入几何约束（如深度、点云等★ 226
MERGEMERGE 是一个统一图像生成与深度估计的扩散模型框架，由 NeurIPS 2025 论文提出。它解决传统文本到图像扩散模型只能生成图像、无法理解几何结构的问题★ 222
CineScaleCineScale 是一个无需微调即可生成 4K 分辨率视频的开源项目，基于扩散模型（diffusion models）实现。它主要解决现有视频生成模型在分辨率★ 218
RodinHDRodinHD 是一个基于扩散模型的高保真 3D 数字人生成框架，由微软研究院和北京大学等机构联合提出，论文发表于 ECCV 2024。它解决的核心问题是：从单★ 217
AsyncDiffAsyncDiff 是一个针对扩散模型（Diffusion Models）的推理加速工具，核心思想是通过异步去噪（Asynchronous Denoising）★ 215
CoMoSpeechCoMoSpeech 是南洋理工大学等机构在 ACM MM 2023 上提出的语音与歌声合成模型，基于一致性模型（Consistency Model）实现单步（★ 215
DiLightNetDiLightNet 是 SIGGRAPH 2024 的官方开源项目，专注于扩散模型的细粒度光照控制。它解决了现有图像生成模型难以精确控制光照方向和强度的问题，★ 214
ChronoMagic-BenchChronoMagic-Bench 是一个用于评估文生视频模型在时间延展与形态变化能力的基准测试集，由 NeurIPS 2024 D&B Spotlight 收★ 214
flattenFLATTEN 是一个基于 PyTorch 实现的视频编辑工具，核心是光流引导的注意力机制，用于在文本到视频编辑中保持时序一致性。它解决的是现有视频编辑模型在修★ 212
noai-watermarknoai-watermark 是一个开源的 Python 命令行工具，用于移除图像中的隐形 AI 水印（如 SynthID、StableSignature、Tr★ 210
VideoCoFVideoCoF 是一个面向长视频编辑的统一框架，由 CVPR 2026 Highlight 论文提出。它解决现有视频编辑模型难以处理长序列、时序一致性差的问题★ 210
consistency-modelsconsistency-models 是 OpenAI 官方发布的用于训练和采样一致性模型的工具包。一致性模型是一种新型的生成模型，旨在解决传统扩散模型采样速度★ 207
stable_diffusion_playground这是一个用于探索和实验 Stable Diffusion 的交互式工具，旨在让用户轻松生成图像并实现可复现性。项目解决了生成图像难以复现的问题，通过保存生成过程★ 205
Awesome-Style-Transfer-with-Diffusion-Models这是一个精选资源列表，汇集了基于扩散模型的风格迁移方法。它解决了传统风格迁移方法在复杂纹理和结构保持上的不足，以及扩散模型在风格化应用中缺乏系统整理的问题。项目★ 204
Video-Motion-CustomizationVideo-Motion-Customization（VMC）是一个基于扩散模型的视频运动定制工具，核心解决文本到视频生成中运动模式难以精确控制的问题。它通过引★ 200
Live2DiffLive2Diff 是一个面向实时视频流处理的单向视频扩散模型流水线。它解决了传统视频到视频转换中延迟高、无法实时处理的问题，通过设计单向时序注意力机制，仅依赖★ 199
Parts2WholeParts2Whole 是一个面向可控人体图像生成的开源框架，由 TIP 2025 论文提出。它解决的是现有方法难以同时利用多张参考图（如人脸、手部、衣物、姿态★ 196
ReSimReSim 是一个面向自动驾驶的可靠世界模拟器，基于扩散模型生成高保真视频，用于仿真测试和场景理解。它解决了自动驾驶中真实世界数据稀缺、边缘场景难以覆盖的问题，★ 193
SINESINE 是 CVPR 2023 收录的论文官方实现，专注于单张图像编辑任务。它利用文本到图像扩散模型（如 Stable Diffusion）的能力，仅凭一张输★ 189
Imagine360Imagine360 是一个面向沉浸式 360 度视频生成的开源项目，发表于 NeurIPS 2025。它解决的是从普通视角视频（Perspective Anc★ 189
Diffusion_models_tutorial这是一个扩散模型的系统教程集合，以Jupyter Notebook为载体，从零开始逐步实现扩散模型。项目覆盖了去噪扩散概率模型（DDPM）和基于分数的生成模型等★ 187
SLDSLD是一个由CVPR 2024收录的官方实现项目，提出了一种自校正的大语言模型控制扩散模型方法。它解决的是文本到图像生成中，扩散模型难以精确遵循复杂文本指令、★ 187
Paint-by-SketchPaint-by-Sketch 是一个基于 Stable Diffusion 的图像编辑方法，用户提供一张草图和一个参考图像，模型将参考图像的内容（如颜色、纹理★ 183
NeTINeTI 是 SIGGRAPH Asia 2023 论文的官方实现，提出了一种用于文本到图像个性化（即定制化生成）的神经时空表示方法。它解决的是 Stable ★ 183
ImagenHubImagenHub 是一个一站式条件图像生成模型推理与评估库，旨在标准化各类条件图像生成模型的调用和评测流程。它解决了当前图像生成领域模型众多、接口不一、评估指★ 180
vivid123ViVid-1-to-3 是一个基于视频扩散模型的单图生成多视角新视图的开源项目，由 CVPR 2024 Highlight 论文提出。它解决的是从单张图像生成★ 180
DAEDALDAEDAL 是一个针对扩散大语言模型（DLLM）的训练无关可变长度去噪框架，由 ICLR 2026 论文官方开源。扩散模型通常只能生成固定长度的序列，这限制了★ 175
LLM-groundedVideoDiffusionLLM-grounded Video Diffusion (LVD) 是 ICLR 2024 的官方实现，旨在解决文本到视频生成中语义对齐和时序一致性问题。它利★ 173
StyleStudioStyleStudio 是 CVPR 2025 的官方实现，专注于文本驱动的风格迁移，并允许对风格元素进行选择性控制。它解决传统风格迁移中风格与内容耦合、难以精★ 172
Video-Generation-Paper-List这是一个视频生成领域的前沿论文追踪列表，持续收录CVPR、ICCV、ECCV、NeurIPS、ICLR等顶级会议及arXiv上的最新研究成果。项目按研究方向（如★ 171
SyncDiffusionSyncDiffusion是NeurIPS 2023的官方实现，旨在解决扩散模型生成全景图时常见的拼接不连贯问题。它通过引入梯度同步机制，在去噪过程中动态调整各★ 170
ImageCriticImageCritic 是 CVPR 2026 的官方实现，专注于图像生成中的一致性与定制化问题。它基于扩散模型（如 Flux）构建，提供一种批评或评估机制，用★ 169
Awesome-Music-GenerationAwesome-Music-Generation 是一个聚焦音乐生成模型（MG²）的资源合集，收录了基于扩散模型、大语言模型等技术的音乐生成项目、论文和工具。它★ 167
AnomagicAnomagic 是一个面向工业异常检测的零样本异常图像生成框架，对应 AAAI 2026 论文的官方实现。它解决的是工业场景中异常样本稀缺、难以收集的问题，通★ 161
SceneScapeSceneScape 是一个基于 PyTorch 的文本驱动场景生成模型，核心目标是解决文本到视频生成中常见的时序一致性问题。它通过扩散模型架构，将文本描述转化★ 161
HoloTimeHoloTime 是一个面向全景 4D 场景生成的视频扩散模型工具，由 ACM MM 2025 论文支持。它解决的是从普通视频生成具有时间一致性的全景 4D 场★ 161
blur-diffusionblur-diffusion 是论文《Progressive Deblurring of Diffusion Models for Coarse-to-Fine★ 159
VideoGrainVideoGrain 是 ICLR 2025 论文的官方实现，专注于多粒度视频编辑。它基于 Stable Diffusion 和扩散模型，通过调制空间-时间注意★ 159
paradigmsParadigms 是 NeurIPS 2023 Spotlight 论文《Parallel Sampling of Diffusion Models》的官方 ★ 159
d3LLMd3LLM 是一个基于扩散模型的超快大语言模型，旨在解决传统自回归 LLM 生成速度慢的问题。它通过将扩散生成范式引入语言建模，实现并行解码，显著提升推理吞吐量★ 157
CDMCDM（Continuous-Time Distribution Matching）是一个面向少步扩散蒸馏的开源项目，旨在解决扩散模型生成速度慢的问题。它通过连★ 156
WatermarkDMWatermarkDM 是论文《A Recipe for Watermarking Diffusion Models》的官方代码实现，专注于为扩散模型生成的图像★ 155
RIVALRIVAL 是一个基于扩散模型的图像变体生成工具，来自 NeurIPS 2023 Spotlight 论文。它解决的是真实世界图像在保持内容结构的同时进行风格或★ 155
ComfyUI-sol-attnComfyUI-sol-attn 是一个为 ComfyUI 设计的自定义节点，集成了 NVIDIA 的 Sol-Attn 注意力机制，并针对 MiniMax H★ 154