diffusion-models

Eine Sammlung von Diffusion-Model-Papieren, kategorisiert nach ihren Teilbereichen

PyTorch-Implementierung für Score-Based Generative Modeling durch stochastische Differentialgleichungen (ICLR 2021, Oral)

Helios: Ein echtes Echtzeit-Modell zur Generierung langer Videos

Diffusionsmodelle in der medizinischen Bildgebung (Veröffentlicht im Journal Medical Image Analysis)

[NeurIPS 2025] Bildbearbeitung ist ein einzelnes LoRA wert! 0,1 % Trainingsdaten für fantastische Bildbearbeitung! Übertrifft GPT-4o bei der ID-Persistenz ~ MoE-Checkpoint veröffentlicht! Nur 4 GB VRAM zum Ausführen erforderlich!

DIAMOND (DIffusion As a Model Of eNvironment Dreams) ist ein Reinforcement-Learning-Agent, trainiert in einem Diffusions-Weltmodell. NeurIPS 2024 Spotlight.

Quellcode-Repository für Zero123++: Ein Basismodell für die Diffusion von einem Einzelbild zu konsistenten Mehransichten.

Eine Leseliste zur Sicherheit, dem Schutz und der Privatsphäre großer Modelle (einschließlich Awesome LLM Security, Safety usw.).

Custom Diffusion: Multi-Concept Customization von Text-zu-Bild-Diffusion (CVPR 2023)

[ICLR & NeurIPS 2025] Repository für die Show-o-Serie, ein einziger Transformer zur Vereinigung multimodaler Verstehensprozesse und Generierung.

Autoregressives Modell schlägt Diffusion: 🦙 Llama für skalierbare Bildgenerierung

OneDiff: Eine sofort einsatzbereite Beschleunigungsbibliothek für Diffusionsmodelle.

[ICCV 2023] Make-It-3D: Hochpräzise 3D-Erstellung aus einem einzelnen Bild mit Diffusions-Prior

Offizieller Code für „DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps“ (NeurIPS 2022 Oral)

HunyuanVideo-I2V: Ein anpassbares Image-to-Video-Modell basierend auf HunyuanVideo

[ICLR 2025] CatVTON ist ein einfaches und effizientes Virtual-Try-On-Diffusionsmodell mit 1) einem leichten Netzwerk (insgesamt 899,06 Mio. Parameter), 2) parametereffizientem Training (49,57 Mio. trainierbare Parameter) und 3) vereinfachter Inferenz (< 8 GB VRAM für eine Auflösung von 1024x768).

[CVPR 2026] Für eine echtzeitbasierte, auf Diffusion basierende Streaming-Video-Super-Resolution — Ein effizientes Ein-Schritt-Diffusions-Framework für Streaming-VSR mit lokalitätsbeschränkter, sparsamer Attention und einem winzigen bedingten Decoder.

Sammlung großartiger RAG-Paper für AIGC. Wir schlagen eine Taxonomie der RAG-Grundlagen, -Erweiterungen und -Anwendungen im Paper „Retrieval-Augmented Generation for AI-Generated Content: A Survey“ vor.

[ECCV 2024] Die offizielle Implementierung des Papers „BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion“

[ICLR'25 Oral] Repräsentationsausrichtung für die Generierung: Das Training von Diffusion Transformers ist einfacher als gedacht

[NeurIPS 2023] ImageReward: Lernen und Bewerten menschlicher Präferenzen für Text-zu-Bild-Generierung

MMaDA – Open-Source multimodale Large Diffusion Language Models (dLLMs mit Block-Diffusion, Mixed-CoT, einheitlichem RL)

Eine kuratierte Liste von Ressourcen zu Diffusion Models im Bereich RL (laufend aktualisiert)

[ACM MM 2025] FantasyTalking: Realistische Generierung sprechender Porträts über kohärente Bewegungssynthese

[ICLR'24] Offizielle PyTorch-Implementierung von Magic123: Erstellung hochwertiger 3D-Objekte aus einem einzigen Bild mithilfe von 2D- und 3D-Diffusion-Priors

Offizielle Implementierung von „MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling“

Implementierung von DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking

Das offizielle Code-Repository für die zweite Auflage des O'Reilly-Buches Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Hochwertiges, trainingsfreies Inpainting für jedes Stable Diffusion-Modell. Unterstützt ComfyUI

Timestep Embedding Tells: Zeit für Caching bei Video-Diffusionsmodellen