ContextDiff

让AI画图/视频更懂你的文字,语义对齐更精准

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 视频生成 🍴 复刻 4 🐛 待处理 6 👀 关注 4
GitHub ↗
GitHub 星标 ★ 73
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,代码公开,可自行部署使用,无收费信息。

项目预览

ContextDiff 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类视频生成
开发团队YangLing0818
定价模式🏷️完全免费
价格说明开源项目,代码公开,可自行部署使用,无收费信息。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
主要语言Python
技术栈/模型diffusion-models,multimodal-generation,text-to-image-generation,text-to-video
GitHub 星标★ 73
上线时间2024-02-06 00:00:00
代码更新2024-05-24
仓库体积99.3 MB
本站数据更新2026-11-08
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

ContextDiff 是一个基于扩散模型的文本引导图像与视频生成框架,由南洋理工大学等机构提出,相关论文被 ICLR 2024 接收。它旨在解决现有扩散模型在生成图像和视频时,对文本语义理解不够精准、生成内容与文本描述匹配度不足的问题。其核心能力是引入上下文感知的扩散机制,通过将文本上下文信息动态注入到生成过程的各个阶段,使模型能够更准确地捕捉文本中的关键语义,从而生成更符合文本描述的图像和连续视频片段。项目提供了完整的训练与推理代码,支持自定义数据集,适用于多模态内容创作、虚拟场景构建等场景。目前项目处于早期阶段,代码结构清晰,但文档和社区生态尚待完善。

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 ★ 73

核心亮点

  • ICLR 2024 论文背书,方法有学术创新性
  • 支持图像和视频双模态生成,覆盖场景广
  • 代码开源,可复现论文实验,便于二次开发

不足之处

  • 文档/社区待观察
  • 项目早期,示例和教程较少,上手门槛较高

适用场景

  • 文本生成高精度图像,用于设计稿或插画创作
  • 根据文字脚本生成短视频片段,辅助内容创作
  • 多模态研究,探索上下文感知的扩散模型改进

替代项目

Stable Diffusion、Imagen、VideoFusion

同类项目推荐

RSP 开源

搞清遥感预训练哪种强,照着跑实验就行

The official repo for [TGRS'22] "An Empirical Study of Remote Sensing Pretraining"

★ 159 2026-08-09
Diffusion-UI 开源

一个界面玩转多种扩散模型,快速生成动漫风格图像

Anything 4.5, Anything 3.0, Waifu Diffusion, Stable Diffusion 2.1, H Diffusion, Midj···

★ 63 2026-08-09
Freeze-Omni 开源

冻结LLM,低成本打造低延迟语音对话模型

✨✨Freeze-Omni: A Smart and Low Latency Speech-to-speech Dialogue Model with Frozen···

★ 402 2026-08-09
decider 开源

一次推理出带概率的类型化决策,省去多轮思考

A family of System One-style models fine-tuned from Qwen3.5, designed for one-pass t···

★ 1058 2026-09-29
StartLux-Decision 开源

给每个选项打分,让 AI 决策可量化

Open decision models from 0.8B to 27B: a calibrated probability for every option in ···

★ 1676 2026-10-07
awesome-generative-ai 开源

一榜在手,尽览生成式AI前沿项目与工具

A curated list of modern Generative Artificial Intelligence projects and services

★ 12816 2026-08-09