diffusion 第 2 页
本站收录 151 个带「diffusion」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 4 页）
SkyPaint-AI-DiffusionSkyPaint-AI-Diffusion 是一个基于 Stable Diffusion 优化的中文 AI 绘画模型，旨在解决中文用户使用文本生成图像时提示词理★ 644
paint-with-words-sd这是一个基于Stable Diffusion的文本引导图像生成工具，实现了eDiff-I论文中的Paint-with-words方法。它允许用户通过文本标签化的★ 644
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
ARIS-in-AI-OfferARIS-in-AI-Offer 是一个面向 AI 领域秋招的中英双语面试速查表项目，由 ARIS 工具链自动生成。它解决 AI 求职者备考资料分散、更新不及时★ 611
stable-diffusion-pytorch这是一个用PyTorch从零实现的Stable Diffusion开源项目，代码结构清晰、注释友好，旨在帮助开发者理解扩散模型的内部原理。它解决了官方实现代码复★ 596
Awesome-DiT-InferenceAwesome-DiT-Inference 是一个精选的扩散模型推理加速论文与代码资源列表，专注于 DiT（Diffusion Transformer）架构。它★ 591
blended-diffusionBlended Diffusion 是 CVPR 2022 论文的官方实现，提出了一种基于扩散模型的文本驱动图像编辑方法。它解决的是传统文本到图像生成模型难以对★ 587
FontDiffuserFontDiffuser 是一个基于扩散模型的一次性字体生成开源项目，发表于 AAAI 2024。它解决的是少样本场景下的字体风格迁移问题，即仅凭一个参考字符，★ 574
StyleKeeperStyleKeeper 是一个基于 PyTorch 的官方实现，针对扩散模型（如 Stable Diffusion）在风格迁移或风格化生成时，内容信息从参考图像★ 483
clip-guided-diffusionclip-guided-diffusion 是一个基于 OpenAI CLIP 和扩散模型的文本生成图像工具，提供命令行接口和 Python 模块。它解决了早期★ 459
reconstruction-alignmentReconstruction Alignment 是 ICLR 2026 论文的官方实现，旨在通过自监督学习提升统一多模态模型（如文本到图像、图像编辑、图像理解★ 419
Auto1111SDKAuto1111SDK 是一个面向 Automatic1111 WebUI 的 Python SDK 库，旨在为开发者提供简洁、稳定的编程接口来运行先进的扩散模★ 412
EscherNetEscherNet是一个基于生成模型的视图合成工具，由CVPR 2024作为Oral论文提出。它解决了从少量输入图像生成多视角一致新视图的问题，核心能力在于其可★ 382
latentblendinglatentblending 是一个基于 Stable Diffusion 的开源工具，用于在多个文本提示词之间生成丝滑流畅的过渡动画。它解决了传统 AI 图像★ 364
TCDTCD（Trajectory Consistency Distillation）是一个用于加速扩散模型采样的训练方法，源自同名论文。它通过沿概率流轨迹进行一致性★ 361
open-museopen-muse 是 Google MUSE 模型的开放复现项目，旨在实现快速文本到图像生成。MUSE 是一种基于 transformer 的文本条件图像生成★ 361
DyPEDyPE 是 ICML 2026 论文的官方实现，针对扩散模型在超高分辨率图像生成中的位置编码外推难题，提出动态位置外推方法。现有模型（如 Flux）在训练分辨★ 360
DiffGAN-TTSDiffGAN-TTS 是一个基于 PyTorch 的文本转语音（TTS）实现，核心思想是结合扩散模型（Diffusion）和生成对抗网络（GAN），在保证高保★ 351
MegaDLMsMegaDLMs 是一个面向扩散语言模型（DLM）训练的 GPU 优化框架，支持任意规模的模型训练。它解决了传统自回归语言模型训练效率低、难以并行化的问题，通过★ 343
stable-diffusion-colabstable-diffusion-colab 是一个基于 Google Colab 的 Jupyter Notebook 项目，专门用于运行 Stable Di★ 323
LECOLECO是一个基于低秩适配（LoRA）的扩散模型概念擦除工具，旨在从Stable Diffusion等预训练扩散模型中移除特定概念（如艺术风格、物体或不当内容）★ 323
1Prompt1Story1Prompt1Story 是一个基于扩散模型的文本到图像生成工具，由 ICLR 2025 Spotlight 论文提出。它解决的核心问题是：在生成多张相关图像★ 322
VADERVADER 是一个用于视频扩散模型对齐的开源项目，通过奖励梯度（Reward Gradients）对预训练的视频生成模型进行微调，以提升生成视频的质量和与人类偏★ 318
RAVERAVE 是一个基于扩散模型的视频编辑工具，核心思路是通过随机噪声重排（Randomized Noise Shuffling）来加速视频编辑并保持时序一致性。它★ 313
LangScene-XLangScene-X 是一个基于 TriMap 视频扩散模型的 3D 语言嵌入场景重建框架，由 ICCV 2025 论文提出。它解决的核心问题是：现有 3D ★ 303
embodied-agentsembodied-agents 是一个旨在将最先进的 Transformer 模型无缝集成到机器人技术栈中的开源项目。它主要解决机器人与大模型（如视觉语言模型）★ 302
ComfyUI_InfiniteYouInfiniteYou 是一个基于 FLUX 的身份保持图像生成与编辑项目，荣获 ICCV 2025 Highlight。它通过 ComfyUI 原生节点集成，★ 300
LAMPLAMP 是一个基于扩散模型的少样本视频生成框架，发表于 CVPR 2024。它旨在解决视频生成中数据稀缺和运动模式学习困难的问题，通过从少量参考视频中学习可迁★ 283
diffusers-interpretDiffusers-Interpret 是一个面向 Hugging Face Diffusers 模型的可解释性工具库，旨在帮助开发者和研究者理解扩散模型生成图★ 277
Awesome-AvatarsAwesome-Avatars 是一个聚焦于人类虚拟形象（Avatar）前沿技术的精选列表，涵盖生成、重建与编辑三大方向。项目系统梳理了基于 NeRF、3DGS★ 277
SIFUSIFU是CVPR 2024 Highlight论文的官方实现，专注于从单张RGB图像重建穿着衣服的3D人体模型。它解决的是真实世界场景下，传统方法因遮挡、复杂★ 275
inpaint-anythingInpaint Anything 是一个基于浏览器的图像修复工具，它将 Meta 的 Segment Anything 模型（SAM）与 Stable Diff★ 273
FaithDiffFaithDiff 是一个基于扩散模型的真实世界图像修复与增强工具，发表于 CVPR 2025。它专注于经典电影修复、老照片翻新、社交媒体图像修复、图像增强以及★ 273
TheChosenOneTheChosenOne 是论文《The Chosen One: Consistent Characters in Text-to-Image Diffusio★ 270
DiffSingerDiffSinger 是一个基于 PyTorch 的开源歌声合成（Singing Voice Synthesis）项目，核心思想是将浅层扩散机制（Shallow★ 247
OnnxStackOnnxStack 是一个基于 C# 和 ONNX Runtime 的 Stable Diffusion 推理框架，旨在为 .NET 开发者提供原生、高效的图像★ 238
onnx-webonnx-web 是一个基于 Web 的图形界面，用于运行 GPU 加速的 ONNX 推理管线，特别针对 Stable Diffusion 等图像生成模型。它解★ 233
Stable-Diffusion-Latent-Space-ExplorerStable-Diffusion-Latent-Space-Explorer 是一个基于 diffusers 库的 Stable Diffusion 实验工具箱★ 229
awesome-diffusion这是一个精选的扩散模型（Diffusion Models）资源列表，汇集了相关的 notebooks、工具、软件、教程和资料。它旨在帮助研究人员和开发者快速找到★ 218
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
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
Awesome-Efficient-AIGCAwesome-Efficient-AIGC 是一个专注于高效 AIGC（人工智能生成内容）领域的精选资源列表，收录了相关论文、文档和代码。该项目旨在为高效 A★ 210
GMFlowGMFlow 是一个基于高斯混合流匹配（Gaussian Mixture Flow Matching）的生成模型开源实现，由 ICML 2025 论文提出。它旨★ 198
iris-3bIris-3B 是一个 30 亿参数的扩散 Transformer 模型，最大特点是直接在像素空间生成图像，不依赖 VAE 编码器，从而避免了重建损失和模糊问题★ 190
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
diffusion-for-beginners这是一个面向初学者的扩散模型（Diffusion Models）教学项目，用最简化的代码实现去噪扩散模型的核心原理。它解决了初学者难以理解扩散模型数学推导和复杂★ 172
CDCDCDCD是一个跨模态音乐与图像生成的学术研究项目，发表于ICLR 2023。它提出了一种离散对比扩散模型，旨在解决音乐和图像之间跨模态生成的问题。核心能力包括：★ 163
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
tryoffdiffTryOffDiff 是一个基于扩散模型的虚拟试脱（Virtual-Try-Off）工具，能够从人物穿着照片中重建出高保真的服装图像。它解决了电商和时尚行业中需★ 152