dit
本站收录 17 个带「dit」标签的 AI 开源项目
LTX-VideoLightricks 官方开源的 LTX-Video 视频生成模型仓库，基于 DiT 架构实现高质量文生视频与图生视频，支持实时生成与可控编辑，为视频创作者提供★ 10,995
SanaNVIDIA 开源的高效高分辨率图像合成模型，采用线性 Diffusion Transformer 架构，在保持高质量生成的同时显著降低计算开销，支持超高清图像★ 9,163
ComfyUI-LTXVideoComfyUI-LTXVideo 是 ComfyUI 的官方插件，用于集成 LTX-Video 视频生成模型。LTX-Video 是 Lightricks 推出★ 4,146
InfiniteYouInfiniteYou 是一个基于扩散模型的图像生成与编辑工具，核心解决身份保持下的灵活照片重绘问题。它允许用户在不丢失人物身份特征的前提下，对照片进行多种编辑★ 2,683
DiT-ExtrapolationDiT-Extrapolation 是 ICML 2025 论文《RIFLEx: A Free Lunch for Length Extrapolation i★ 829
PaddleMIXPaddleMIX是百度飞桨生态下的多模态大模型套件，旨在统一支持主流多模态任务，包括图文理解、视觉问答、图像生成等。它集成了端到端的大规模多模态预训练模型和扩★ 723
flash-diffusionFlash Diffusion 是一个加速条件扩散模型推理的开源项目，来自 AAAI 2025 Oral 论文。它通过引入先进的蒸馏技术和架构优化，显著减少扩散★ 667
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★ 633
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★ 592
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★ 495
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★ 475
JavisDiTJavisDiT 是一个面向音频-视频联合生成的扩散 Transformer 模型系列，由 ICLR 2026 论文官方实现。它解决的是传统视频生成中音频与画面★ 383
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，★ 299
SCoPESCoPE 是一个面向三维感知视频生成的开源研究项目，核心是提出「视线坐标位置编码」（Sightline-Coordinate Positional Encod★ 208
MHLAMHLA 是一个面向图像生成与语言建模的线性注意力机制改进项目，旨在解决线性注意力在表达力上的不足。传统线性注意力通过核函数近似 softmax 注意力，虽降低★ 157
OmniVAEOmniVAE 是一个面向音视频联合生成的统一变分自编码器（VAE），旨在解决音频与视频模态在生成任务中难以对齐和协同建模的问题。它通过引入跨模态对齐机制，将音★ 90
movie-genmovie-gen 是论文《Movie Gen: A Cast of Media Foundation Models》的开源社区实现，旨在复现 Meta 提出的★ 61