diffusion-models 第 7 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 7 / 8 页）
M3DDM-Video-OutpaintingM3DDM-Video-Outpainting 是 ACM MM 2023 论文的官方实现，提出了一种基于分层掩码 3D 扩散模型的视频外扩（Video Out★ 107
ggufyggufy 是一个用 Zig 编写的命令行与图形界面工具，专门解决 safetensors 与 GGUF 两种模型格式之间的转换问题。在本地部署扩散模型和语言模★ 107
PerCoPerCo 是一个基于 PyTorch 的开源图像压缩工具，对应 ICLR 2024 论文《Towards Image Compression with Per★ 106
SPRIGHTSPRIGHT 是 ECCV 2024 收录的官方 PyTorch 实现，旨在解决文本到图像模型中的空间一致性不足问题。现有模型（如 Stable Diffus★ 106
CLIPAwayCLIPAway 是 NeurIPS 2024 收录的官方实现，专注于基于扩散模型的图像编辑，特别是物体移除与背景填充任务。它利用 CLIP 模型的多模态理解能★ 106
Awesome-Diffusion-LLMAwesome-Diffusion-LLM 是一个精选论文列表，专注于大型语言扩散模型（Large-Language-Diffusion-Models）这一前沿★ 105
upgptUPGPT 是一个基于扩散模型的通用人物图像生成框架，旨在解决人物图像生成、编辑和姿态迁移三大任务。它利用 SMPL 人体模型作为几何先验，结合 Stable ★ 104
partcraftPartCraft是一个基于扩散模型的细粒度图像生成项目，来自ECCV 2024。它解决的是传统文本生成图像模型难以精确控制物体局部部件的问题，允许用户通过指定★ 102
Scaling-Diffusion-Transformers-muPScaling-Diffusion-Transformers-muP 是 NeurIPS 2025 论文的官方实现，旨在解决扩散 Transformer（DiT★ 101
MegaFusionMegaFusion 是一个面向扩散模型的高分辨率图像生成扩展工具，核心价值在于无需对预训练模型进行任何微调或额外训练，即可将原本只能生成低分辨率图像的扩散模型★ 101
MobileI2VMobileI2V 是一个面向移动设备的图像到视频生成框架，旨在解决在资源受限的手机上实现快速、高分辨率视频生成的难题。该项目基于扩散模型和视频扩散变换器，通过★ 101
Interleaving-Reasoning-GenerationInterleaving-Reasoning-Generation 是一个面向文本到图像生成领域的早期探索项目，旨在将交错推理（Interleaving Rea★ 100
Seg2SatSeg2Sat 是一个利用 Stable Diffusion 和 ControlNet 生成合成航拍图像的开源项目。它主要解决遥感领域数据稀缺的问题，通过将语义★ 99
Awesome-AI-PapersAwesome-AI-Papers 是一个用于收集人工智能领域论文和对应代码的精选列表仓库。它旨在解决 AI 研究者、工程师和学生难以高效追踪前沿研究、找到论文★ 99
MeanFlowNFTMeanFlowNFT 是一个基于 PyTorch 的图像生成开源项目，对应 arXiv 2026 论文，核心思想是将前向过程强化学习引入平均速度生成器。它针对★ 98
Face2DiffusionFace2Diffusion 是一个基于扩散模型的快速人脸个性化编辑工具，源自 CVPR 2024 论文。它解决的是在保持人脸身份特征的前提下，实现快速、可编辑★ 96
UCDIRUCDIR 是一个基于扩散模型的统一条件框架，用于图像恢复任务。它旨在解决传统图像恢复方法针对不同退化类型（如去噪、去模糊、超分辨率等）需要单独训练模型的问题，★ 95
epipolar-dpoEpipolar-DPO 是一个用于提升视频生成模型几何一致性的开源项目，其核心思想是利用极线几何（Epipolar Geometry）作为约束，通过直接偏好优★ 95
MatlaberMATLABER 是一个基于扩散模型的文本生成 3D 内容的开源项目，核心创新在于将材质（BRDF）信息隐式编码到潜在空间中，实现材质感知的文本到 3D 生成。★ 93
DiffStyleDiffStyle 是一个基于扩散模型（Diffusion Model）的一对多风格迁移工具，源自计算机图形学课程项目，构建于 Prompt-to-Prompt★ 93
apertureaperture 是一个用于可视化 Stable Diffusion 注意力层的开源工具，基于 TypeScript 构建。它解决了生成式 AI 模型内部机制不★ 93
create-stable-diffusion-from-scratch这是一个从零开始实现稳定扩散（Stable Diffusion）架构的教程型开源项目，基于PyTorch编写，以Jupyter Notebook形式呈现。项目面★ 92
stable-diffusion-k8sstable-diffusion-k8s 是一个将 Stable Diffusion 图像生成模型部署到 Kubernetes 集群的 Helm 图表项目。它解★ 91
AudioTokenAudioToken 是一个基于扩散模型的音频到图像生成工具，源自 InterSpeech 2023 论文。它解决了仅凭文本描述难以准确捕捉音频中情感、节奏等抽★ 90
time-diffusiontime-diffusion 是论文《Editing Implicit Assumptions in Text-to-Image Diffusion Model★ 89
text2video-from-scratch这是一个从零开始实现视频扩散模型的教学型开源项目，旨在用清晰、逐步的方式帮助开发者理解文本到视频生成的核心原理。项目基于PyTorch构建，将复杂的视频扩散模型★ 88
DreamWireDreamWire 是一个基于生成式 AI 的多视角线艺（Wire Art）创作工具，源自 CVPR 2024 论文。它解决的是传统线艺创作中视角单一、手工设计★ 88
Key-Locked-Rank-One-Editing-for-Text-to-Image-Personalization这是一个基于PyTorch的论文实现，用于文本到图像个性化生成。它提出了一种名为Key-Locked Rank One Editing的方法，通过锁定扩散模型中★ 84
GEM-3DGEM-3D 是一个面向三维医学图像生成的增强工具，发表于 IJCV 2026。它针对医学影像数据稀缺、质量不均的问题，利用扩散模型提升三维图像生成的质量和多样★ 84
initnoInitNO 是一个 CVPR 2024 论文的开源实现，旨在通过优化初始噪声来提升文本到图像扩散模型的生成质量。它解决的是扩散模型在采样时因初始噪声随机性导致★ 83
awesome-stable-diffusion这是一个精选的Stable Diffusion资源列表，旨在整理与Stable Diffusion相关的工具、模型、教程、应用等资源。它解决了Stable Di★ 82
WordStylistWordStylist 是 ICDAR 2023 论文的官方 PyTorch 实现，专注于手写文本生成。它利用潜在扩散模型（Latent Diffusion M★ 82
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
easydisteasydist 是一个面向多生态系统的自动化并行化系统与基础设施，旨在简化分布式训练和推理的复杂性。它通过自动识别模型中的并行化机会，并生成高效的并行执行方案★ 81
h-edith-Edit 是一个基于扩散模型的图像编辑工具，核心创新在于引入 Doob 的 h-变换理论，将编辑过程建模为条件扩散过程，从而在保持图像结构的同时实现灵活、高★ 80
RoseRose 是一个基于 PyTorch 的优化器，提出了一种名为 Range-Of-Slice Equilibration 的优化方法。它通过范围归一化的梯度更新★ 79
SGDiffSGDiff 是一个基于扩散模型的场景图生成图像的开源实现，对应论文《Diffusion-Based Scene Graph to Image Generati★ 78
FlexiDreamerFlexiDreamer 是一个基于 FlexiCubes 的单图生成 3D 模型的官方实现，属于 AIGC 与 3D 生成领域。它解决的是从单张 2D 图像快★ 78
graftinggrafting 是 NeurIPS 2025 Oral 论文的官方代码，研究扩散 Transformer（DiT）的设计空间。它提出一种称为“嫁接”的架构编辑★ 77
genimaGENIMA 是一个基于扩散模型的机器人操作学习框架，核心思路是通过行为克隆（Behavioral Cloning）和模仿学习（Imitation Learni★ 77
ID-PatchID-Patch 是 CVPR 2025 论文的官方实现，专注于群体照片的个性化生成。它解决的是在多人合影中，如何准确地将每个生成的人物与真实身份对应起来的问题★ 77
particle-guidanceParticle Guidance 是一个基于扩散模型的图像生成工具，实现了论文《Particle Guidance: non-I.I.D. Diverse S★ 77
guided-diffusion-kerasguided-diffusion-keras 是一个基于 Keras 框架实现的扩散模型库，专注于文本到图像的生成任务。它提供了从零开始构建和训练扩散模型的完整★ 76
Customize-it-3DCustomize-It-3D 是 ICRA 2025 的官方实现，解决从单张图像生成高质量 3D 模型的难题。传统方法依赖大规模预训练模型，但缺乏对特定物体类★ 75
AdaptiveDiffusionAdaptiveDiffusion 是一个无需训练的扩散模型加速推理方案，发表于 NeurIPS 2024。它针对 Stable Diffusion 等扩散模型★ 74
Awesome-Efficient-Video-Generation这是一个精选列表，收录了近期高效的视频生成方法。它旨在解决视频生成领域计算成本高、推理速度慢的问题，通过整理和分类相关的研究论文、开源代码和工具，帮助研究者和开★ 74
Stable-Diffusion-Desktop-Client这是一个用 Delphi 编写的 Stable Diffusion 桌面客户端，支持 Windows、macOS 和 Linux 三大平台。它旨在为 Stabl★ 73
ContextDiffContextDiff 是一个基于扩散模型的文本引导图像与视频生成框架，由南洋理工大学等机构提出，相关论文被 ICLR 2024 接收。它旨在解决现有扩散模型在★ 73
collage-diffusion-uiCollage Diffusion UI 是一个基于图层的开源 Web 界面，专为 Collage Diffusion 模型设计。它提供类似 Photoshop★ 69
redcoRedCoast是一个轻量级工具，旨在自动化分布式训练和推理流程，特别针对大语言模型和扩散模型。它解决了在联邦学习、差分隐私等场景下，多机多卡环境配置复杂、代码★ 69