awesome-diffusion-categorized

按子领域分类的扩散模型论文库，快速找到你要的论文

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 图像生成 🍴 复刻 103 🐛 待处理 3 👀 关注 79
GitHub ↗
GitHub 星标 ★ 2221
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，无在线服务，需自行部署，全部功能免费。

项目预览

awesome-diffusion-categorized 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类图像生成
开发团队wangkai930418
GitHubhttps://github.com/wangkai930418/awesome-diffusion-categorized
定价模式🏷️完全免费
价格说明开源项目，无在线服务，需自行部署，全部功能免费。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
技术栈/模型continual-learning,controlnet,detection,diffusion,diffusion-model,diffusion-models,few-shot,image-edit,inpainting,inversion,segmentation,stable-diffusion,text-guided,tracking
GitHub 星标★ 2221
上线时间2023-05-19 00:00:00
代码更新2026-03-16
仓库体积774 KB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

这是一个精选扩散模型论文的合集，按子领域分类整理，旨在帮助研究者和开发者快速定位特定方向的学术资源。项目解决了扩散模型论文数量庞大、检索困难的问题，通过系统化的分类（如持续学习、ControlNet、检测、少样本学习、图像编辑、修复、反演等）和持续更新，提供高质量论文索引。核心能力包括清晰的子领域导航、论文列表维护以及社区贡献机制，适合作为学术入门或技术选型的参考工具。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2221

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门 约 10 分钟 部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

  • 可访问 GitHub 的网络环境
  • 已安装 Git（用于克隆仓库）
  • 任意 Markdown 阅读器或浏览器（用于查看 README）

安装与启动步骤

  1. 1克隆仓库到本地

    把论文索引仓库下载到本地，README 未给出安装命令，这是通用的获取方式，仅包含 Markdown 文档，无编译依赖。

    git clone https://github.com/wangkai930418/awesome-diffusion-categorized.git

  2. 2进入仓库目录

    切换到克隆下来的目录，README 中的 Contents 目录与各子领域章节都在顶层 README 文件里。

    cd awesome-diffusion-categorized

  3. 3查看分类目录

    打开 README.md，顶部的 Contents 列出了全部子领域（如加速、图像修复、图像编辑、持续学习等），可据此定位方向。

  4. 4按子领域查阅论文

    README 未提供检索脚本，直接用编辑器或浏览器搜索关键词，跳转到对应章节阅读论文列表即可。

如何确认成功

能在 README.md 顶部看到完整的 Contents 分类列表，点击各分类可跳转到对应论文章节，即表示仓库内容可用。

常见问题

Q：这个项目需要安装依赖或运行代码吗？

A：不需要。README 只提供按子领域分类的扩散模型论文索引，没有安装说明、依赖清单或可执行代码。

Q：找不到某个方向的论文怎么办？

A：先看 README 顶部的 Contents 目录，论文按 Visual Illusion、Image Restoration、Image Editing、Continual Learning 等子领域分章节，逐级定位即可。

Q：可以自己补充论文吗？

A：项目说明中提到了社区贡献机制，但 README 未给出具体提交格式或命令，建议通过仓库 Issue 或 Pull Request 方式与维护者确认后再提交。

Q：内容会持续更新吗？

A：README 说明该项目持续更新，部分条目可能被注释或调整，建议定期拉取最新版本查看。

注意事项

  • 本项目是论文索引合集，不含可运行代码，因此不存在传统意义的“部署”，克隆后阅读即可。
  • README 中部分分类条目处于注释状态（如 T2I augmentation、Spatial Control），目录里不会显示，属正常现象。
  • 技术栈标签中的 controlnet、detection、inpainting 等只是论文主题分类，并非项目依赖，请勿据此安装软件包。

核心亮点

  • 分类细致，覆盖持续学习、ControlNet等20+子领域，检索效率高
  • 持续更新，紧跟扩散模型前沿，社区维护活跃
  • 每篇论文附有简要说明，方便快速筛选

不足之处

  • 仅提供论文列表，无代码实现或复现链接
  • 分类深度有限，部分子领域论文数量不均

适用场景

  • 学术研究者调研扩散模型特定方向
  • 工程师寻找技术方案对应的论文依据
  • 学生入门扩散模型，按分类系统学习

替代项目

awesome-diffusion、diffusion-models-list、awesome-generative-ai

上一篇：web-stable-diffusion

下一篇：sd-akashic

同类项目推荐

MiniMax-M2.1 开源

让AI Agent 更靠谱地干活，开发提效

MiniMax M2.1, a SOTA model for real-world dev & agents.

★ 543 2026-08-09
dolly 开源

用少量数据快速微调出企业自己的对话模型

Databricks’ Dolly, a large language model trained on the Databricks Machine Learnin···

★ 10806 2026-08-09
docker-stable-diffusion-taiyi 开源

一键启动中文AI绘画，Docker跑太乙模型

带 Web UI 的 Docker taiyi (太乙)，中文 Stable Diffusion WebUI 一键运行环境。

★ 89 2026-08-09
CodeT5 开源

让 AI 读懂代码，自动生成、补全和翻译，提升开发效率

Home of CodeT5: Open Code LLMs for Code Understanding and Generation

★ 3084 2026-08-09
laya 开源

在 Node.js 里本地跑决策模型，无需 Python

Run Laya, the open-source Jev-compatible System-1 decision model, from Node.js / Typ···

★ 1055 2026-10-19
awesome-generative-ai 开源

一站式找到生成式AI所有好工具和模型

A curated list of Generative AI tools, works, models, and references

★ 3570 2026-08-09
S2D2 开源

在 Notebook 里几行代码跑通 Stable Diffusion 文生图

S2D2: Simple Stable Diffusion based on Diffusers (Hires.fix on jupyter notebook, ipy···

★ 54 2026-08-09
laya 开源

一次前向传播，把任意文本变成选择、评分和是/否判断

Non-autoregressive System 1 decision engine. Typed choice, score and yes/no decision···

★ 35257 2026-10-14
Kandinsky-2 开源

多语言文本生图，支持图像编辑修复，开箱即用

Kandinsky 2 — multilingual text2image latent diffusion model

★ 2812 2026-08-09