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

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。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2225
维护状态 低维护
是否开源
定价模式 free

项目数据

分类图像生成
开发团队wangkai930418
所属国家
官网地址
定价模式free
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
是否开源
开源协议
主要语言
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★ 2225
30天Star增速
HF 下载量
上线时间2023-05-19 00:00:00
最近更新2026-09-17 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

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

项目介绍

awesome-diffusion-categorized 是开源模型领域的开源项目,由 wangkai930418 开发,2023 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(2,225)位列前 30%,在开源模型分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-17。无在线服务,需自行部署,全部功能免费。

它主要面向的使用场景是:学术研究者调研扩散模型特定方向。同类可对比的替代方案包括 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

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10