diffusion-models 第 6 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 6 / 8 页）
DiffusionARTDiffusionART 是扩散模型强化学习后训练的官方实现，对应论文《DiffusionART: Efficient, Stable and Scalable★ 154
StableFaceStableFace 是一个基于 Stable Diffusion 2.1 构建个人人脸应用的开源项目，主要解决如何利用扩散模型实现人脸编辑与生成的问题。项目以★ 152
FreeScaleFreeScale 是一个面向扩散模型的免调优高分辨率图像生成方法，代码随 ICCV 2025 论文发布。它解决了现有扩散模型在生成超出训练分辨率图像时出现的结★ 148
content-debiased-fvdcontent-debiased-fvd 是 CVPR 2024 论文《On the Content Bias in Fréchet Video Distanc★ 148
stable-dreamboothstable-dreambooth 是一个基于 Stable Diffusion 的 Dreambooth 实现，旨在用极简代码让用户微调自己的扩散模型。它解决★ 146
MNISTDiffusionMNISTDiffusion 是一个从零开始实现的去噪扩散概率模型（DDPM）的极简版本，专门用于 MNIST 手写数字生成。项目代码精简，模型大小仅 4.55★ 145
DiffUTEDiffUTE 是一个基于扩散模型的通用场景文字编辑工具，来自 NeurIPS 2023 论文。它解决的是在自然图像中精准修改文字内容的问题，比如把路牌上的“S★ 144
ConffusionConffusion 是论文《Conffusion: Confidence Intervals for Diffusion Models》的官方实现，旨在为扩散★ 143
wdm-3dWDM-3D 是一个基于 PyTorch 的 3D 小波扩散模型，用于高分辨率医学图像合成，论文发表于 MICCAI 2024。它针对医学图像（如 CT、MRI★ 142
EpiDiffEpiDiff 是一个基于扩散模型的多视角合成框架，旨在从单张图片生成高一致性的多视角图像，进而用于 3D 重建。它针对现有方法（如 MVDream）在全局注意★ 142
BrLPBrLP（Brain Latent Progression）是一个面向医学影像的时空疾病进展建模工具，发表于MICCAI 2024并获MedIA最佳论文奖。它解★ 140
Ground-A-VideoGround-A-Video 是一个基于扩散模型的零样本视频编辑工具，来自 ICLR 2024 论文。它解决了传统视频编辑需要逐帧处理、难以保持时空一致性的痛点★ 140
Sin3DMSin3DM 是一个基于单张3D形状训练的扩散模型，旨在解决3D生成中数据稀缺的问题。它从单个3D形状学习其内部分布，能够生成多样化的、与输入形状相似的新3D模★ 140
TokenComposeTokenCompose 是一个基于扩散模型的文本到图像生成方法，核心创新在于引入 token 级别的监督信号，以解决多物体组合生成中常见的问题，如物体遗漏、属★ 138
VisorGPTVisorGPT 是一个 NeurIPS 2023 论文的开源实现，旨在为条件图像合成模型（如 ControlNet）定制空间布局。它利用 GPT 模型来理解和★ 138
diffusion-DDIM-pytorchdiffusion-DDIM-pytorch 是一个基于 PyTorch 的 DDIM（Denoising Diffusion Implicit Models）★ 138
MaskUnetMaskUnet 是 CVPR 2025 的官方 PyTorch 实现，针对扩散模型提出一种参数掩码策略。核心思想是并非所有参数对生成同等重要，通过训练中动态掩★ 134
InteractiveVideoInteractiveVideo 是一个面向用户的可控视频生成框架，核心解决现有视频生成模型难以精细控制生成内容的问题。它通过协同多模态指令（文本、图像、动作等★ 133
mvdfusionMVD-Fusion 是一个基于深度一致的多视图生成框架，用于从单张图像重建高质量的 3D 模型。它解决了传统单视图 3D 重建中因缺乏多视角信息而导致的几何和★ 133
ltx-2-mlxltx-2-mlx 是 LTX-2 视频生成模型（含 LTX-2.3 与 LTX-2.5）的纯 MLX 移植版，专为 Apple Silicon 打造，可直接在★ 133
DiffuseKronADiffuseKronA 是一种面向个性化扩散模型的参数高效微调方法。它针对文本到图像生成中，用户希望用少量图片微调模型以生成特定主体（如宠物、物品）的需求，解★ 131
BokehDiffusionBokehDiffusion 是 SIGGRAPH Asia 2025 的官方实现，旨在解决文本到图像扩散模型中的散景模糊控制问题。它允许用户通过文本提示精确控★ 130
TempoTokensTempoTokens 是 AAAI 2024 论文的官方 PyTorch 实现，旨在解决音频到视频生成中多样性与对齐性的难题。它通过将文本到视频模型进行适应性★ 130
IMAGGarmentIMAGGarment 是一个面向数字时尚设计的细粒度服装生成工具，基于扩散模型实现可控的服装图像合成。它解决了传统服装设计中难以精确控制服装结构、颜色和图案的★ 129
motion-mirrormotion-mirror 是一个本地优先的动作迁移工具，基于 Wan2.1-VACE 模型，允许用户从参考视频中提取动作，并将其应用到任意角色图像上，生成动画★ 128
diffusion-vasdiffusion-vas 是 CVPR 2025 的官方代码实现，专注于视频无模态分割（Video Amodal Segmentation）任务。该任务旨在从★ 128
ControlVARControlVAR 是一个基于自回归扩散模型的图像生成控制框架，旨在解决传统扩散模型在条件生成中控制粒度不足的问题。它通过将可变长度自回归（VAR）与扩散模型★ 127
Nitro-1Nitro-1 是 AMD 对 Latent Adversarial Diffusion Distillation (LADD) 论文的可运行复现实现，旨在加速★ 126
comfyui-meshcomfyui-mesh 是一个针对 ComfyUI 的分布式推理扩展，旨在解决单 GPU 显存不足导致无法运行大型扩散模型（如 FLUX.2 和 LTX 2.★ 126
interactdiffusionInteractDiffusion 是 CVPR 2024 的官方实现，旨在解决文本到图像扩散模型中的交互控制问题。传统模型只能根据文本生成物体，但难以精确控制★ 126
unified-generative-zoounified-generative-zoo 是一个基于 PyTorch 的统一生成模型代码库，收录了扩散模型、GAN、基于分数的生成模型等主流方法，并支持 3★ 123
SUR-adapterSUR-adapter 是一个为预训练扩散模型设计的轻量级适配器，旨在解决文本到图像生成中文本语义理解不足的问题。它通过从大型语言模型中蒸馏知识，将强大的语义理★ 120
GVGENGVGEN 是一个基于体积表示的文字生成 3D 模型的开源项目，发表于 ECCV 2024。它解决了从文本描述直接生成高质量 3D 模型的问题，特别是针对数字人★ 119
PrimDiffusionPrimDiffusion 是一个基于扩散模型的 3D 人体生成框架，核心创新在于使用体素化基元（Volumetric Primitives）作为 3D 表示，★ 119
SenseFlowSenseFlow 是一个基于流匹配的文本到图像扩散模型蒸馏框架，旨在解决扩散模型采样速度慢的问题。它通过分布匹配技术，将复杂的教师模型（如 Stable Di★ 117
Cozy-Auto-TextureCozy-Auto-Texture 是一个 Blender 插件，利用 Stable Diffusion 文本生成图像模型，直接在 Blender 内生成免费纹★ 117
Stable-Diffusion-SegStable-Diffusion-Seg 是 MICCAI 2024 论文的官方代码库，专注于利用 Stable Diffusion 模型进行生物医学图像分割。★ 117
torchebmtorchebm 是一个基于 PyTorch 的生成建模库，专注能量基模型（EBM）、扩散模型、流匹配和薛定谔桥等现代生成方法的训练。它解决的核心问题是：传统 ★ 116
LongLive-RAGLongLive-RAG 是一个面向长视频生成的通用检索增强框架，其官方实现基于 PyTorch。它解决的是现有视频生成模型难以生成长时间、多场景连贯视频的问题★ 114
FreeTrajFreeTraj 是一个无需微调（tuning-free）的轨迹可控视频生成方法。它解决了现有视频生成模型难以精确控制物体运动轨迹的问题，用户只需提供简单的轨迹★ 114
HiFi-InpaintHiFi-Inpaint 是一个基于扩散模型的图像修复工具，专门针对电商场景中的人像与商品融合需求。它解决的是传统修复模型在参考图引导下细节丢失、纹理模糊的问题★ 112
Target-Driven-DistillationTarget-Driven-Distillation 是一个面向扩散模型的蒸馏加速框架，核心思想是引入目标时间步选择与解耦引导，提升一致性蒸馏（Consiste★ 112
IllumiCraftIllumiCraft 是一个面向可控视频生成的统一扩散模型框架，核心解决视频生成中几何结构与光照条件难以联合控制的问题。它通过将几何与光照信息融合进扩散 Tr★ 112
DPLDPL（Dynamic Prompt Learning）是NeurIPS 2023收录的文本引导图像编辑方法，针对Stable Diffusion等扩散模型在编★ 111
TFMQ-DMTFMQ-DM 是 CVPR 2024 Highlight 和 TPAMI 2025 论文的官方 PyTorch 实现，专注于扩散模型的训练后量化（PTQ）。扩★ 111
text2image-benchmarktext2image-benchmark 是一个用于生成式图像模型的基准测试工具，专注于文本到图像生成任务。它解决了生成模型评估标准不统一、指标计算复杂的问题，★ 110
sd-interior-designsd-interior-design 是一个基于 Stable Diffusion 的开源室内设计工具，旨在通过文本和图像提示生成保持原始布局的逼真室内设计效果★ 109
latent-diffusion-segmentation这是一个基于潜在扩散模型（Latent Diffusion）的开放世界全景分割与掩码修复工具，来自ECCV 2024论文。它解决传统全景分割依赖封闭类别集合、难★ 109
DiffusionPenDiffusionPen 是一个基于扩散模型的手写体文本生成工具，来自 ECCV 2024 论文的官方 PyTorch 实现。它解决的核心问题是：如何精细控制生★ 109
Awesome-AIGC-Research-Groups这是一个收录AIGC（人工智能生成内容）研究团队的精选列表，旨在帮助研究者、学生和从业者快速找到全球顶尖的AIGC实验室和团队。项目解决了AIGC领域信息分散、★ 108