Diffusion-Models-Papers-Survey-Taxonomy
学视频生成怕绕路？这份资料库帮你理清
项目预览
项目数据
项目介绍
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 ★ 3369
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。
⚠ 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
- 本机已安装 Git（用于克隆仓库）
- 能打开 Markdown 文件或网页浏览器的设备
安装与启动步骤
-
1克隆资料仓库
把论文清单与分类体系仓库下载到本地，README 未提供其他安装方式，仅需克隆即可。
git clone https://github.com/YangLing0818/Diffusion-Models-Papers-Survey-Taxonomy.git -
2进入仓库目录
切换到克隆下来的目录，查看 README 中的 Catalogue 分类目录结构。
cd Diffusion-Models-Papers-Survey-Taxonomy -
3按分类浏览论文
从 Algorithm Taxonomy 等一级分类向下逐层展开，按需跳转到对应论文链接。
-
4配合综述原文阅读
README 对应 ACM Computing Surveys 收录的综述，可先读 arXiv 2209.00796 再回到分类表。
如何确认成功
本地目录出现 README.md 且能正常打开，Catalogue 中的分类链接可点击跳转即算成功。
常见问题
Q：这个仓库提供可运行的代码或模型权重吗？
A：不提供。它是论文与综述的分类资料库，README 中只有分类目录和论文链接，没有训练或推理代码。
Q：分类体系会持续更新吗？
A：会。README 明确说明鉴于领域发展迅速，arXiv 论文与仓库都会持续更新，可定期重新克隆或拉取最新内容。
Q：想引用该工作应该参考哪里？
A：对应的综述论文为 arXiv:2209.00796，已发表在 ACM Computing Surveys 期刊上，引用时请以该论文为准。
注意事项
- README 未给出安装、运行或配置说明，本教程仅包含克隆与阅读资料的基础操作。
- 仓库仅用于论文收集与分类，不涉及任何模型推理或部署流程。
- 文中未提及端口、密钥、依赖包版本等信息，遇到相关需求请以官方仓库最新说明为准。
核心亮点
- 系统性梳理扩散模型论文，按图像/视频/3D等子领域分类，便于快速定位研究脉络
- 整合survey与taxonomy，提供从基础理论到前沿应用的完整知识框架
- 覆盖text-to-image、text-to-video、text-to-3d等热门方向，紧跟Stable Diffusion等实际落地技术
不足之处
- 文档/社区待观察
- 项目为论文列表型，无代码或可运行示例，对工程实践帮助有限
适用场景
- 研究者快速调研扩散模型领域，寻找特定子方向论文
- 入门者系统学习扩散模型发展脉络与核心概念
- 技术选型时对比不同生成任务（图像/视频/3D）的模型方案
替代项目
awesome-diffusion-models、The-Annotated-Diffusion-Model、diffusion-benchmark
上一篇：LLaVA
下一篇：audio-ai-hub
同类项目推荐
LlamaGen
开源
用语言模型的方式生成图像，自回归也能打败扩散模型
Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation
Awesome-Multi-Turn-LLMs
开源
一张图看懂多轮LLM研究全景，快速定位关键论文和数据集
This is the official GitHub repository for our survey paper "Beyond Single-Turn: A S···
small-doge
开源
小模型也能跑得溜，低资源部署不将就。
Doge Family of Small Language Models
OralGPT
开源
让 AI 看懂口腔影像，辅助诊断和报告生成
[NeurIPS'25 | CVPR'26] The official repo of OralGPT & MMOral Bench.
LLMSurvey
开源
看论文配图，快速摸清大模型发展全貌
The official GitHub page for the survey paper "A Survey of Large Language Models".
YAYI
开源
基于LlaMA2的中文专属大模型，让企业快速拥有安全可控的私有化AI能力。
雅意大模型：为客户打造安全可靠的专属大模型，基于大规模中英文多领域指令数据训练的 Lla···
audio-ai-hub
开源
音频 AI 研究资料一站式导航，想找什么都有门路
The hub for audio AI research: papers, open models, benchmarks & datasets across aud···
HermesFlow
开源
一个模型搞定看图说话和文字生图，无缝切换多模态任务
[NeurIPS 2025] HermesFlow: Seamlessly Closing the Gap in Multimodal Understanding an···
magicoder
开源
用开源代码自动合成指令数据，低成本训练出更强代码模型
[ICML'24] Magicoder: Empowering Code Generation with OSS-Instruct