DiffusionART

给扩散模型做稳定高效的强化学习后训练

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 154

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队vanzll

所属国家

官网地址

GitHubhttps://github.com/vanzll/DiffusionART

定价模式free

价格说明开源代码，免费使用

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusion-models,diffusionart,flow-matching,image-to-video,post-training,reinforcement-learning,text-to-image,text-to-video,video-generation

GitHub 星标★ 154

30天Star增速

HF 下载量

上线时间2026-09-24 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-21

浏览次数0

项目介绍

DiffusionART 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 Reinforcement of Diffusion Models》。它要解决的是扩散模型在 RL 微调时训练不稳定、样本效率低、难以扩展到大规模任务的问题。项目提供了一套基于流匹配（flow-matching）的强化学习后训练框架，覆盖文生图、文生视频、图生视频等任务，核心能力包括高效稳定的 RL 训练流程、可扩展的训练配置，以及与现有扩散模型生态的对接。代码用 Python 编写，定位为研究型训练代码库，适合想复现论文结果或在自有扩散模型上做 RL 后训练的研究者与工程师。