diffusion-models

Skalierbares und speicheroptimiertes Training von Diffusionsmodellen

[ICASSP 2024] 🍵 Matcha-TTS: Eine schnelle TTS-Architektur mit Conditional Flow Matching

[ICLR 2023 Oral] Zero-Shot Image Restoration Using Denoising Diffusion Null-Space Model

FireRed-Image-Edit ist ein leistungsstarkes Bildbearbeitungs-Grundlagenmodell, das Open-Source-Spitzenleistung mit präziser Befehlsausführung, treuer Generierung, überlegener Identitätskonsistenz und nahtloser Multielement-Fusion erreicht.

[AAAI 2025]👔IMAGDressing👔: Interaktive modulare Bekleidungsgenerierung für die virtuelle Anprobe. Ermöglicht an Anpassbare menschliche Bildgenerierung mit flexibler Kleidungs-, Posen- und Szenensteuerung, die hohe Wiedergabetreue und Kleidungskonsistenz für die virtuelle Anprobe gewährleistet.

[TPAMI 2025🔥] MagicTime: Zeitraffer-Videogenerierungsmodelle als metamorphe Simulatoren

📦 Portables Paket zum Ausführen von Hunyuan3D 2.0/2.1 unter Windows.

Pruna ist ein für Entwickler entwickeltes Modelloptimierungs-Framework, mit dem Sie schnellere, effizientere Modelle mit minimalem Overhead bereitstellen können.

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: Verbesserung von 3D-Rekonstruktionen mit Single-Step-Diffusion-Modellen

[CVPR2024, Highlight] Offizieller Code für DragDiffusion

Eine Familie von Diffusionsmodellen zur Generierung von Text zu Audio.

HunyuanCustom: Eine multimodal gesteuerte Architektur zur personalisierten Videogenerierung

Ein Flow Matching-basiertes Text-to-Speech-Modell mit Emoji-gesteuerter Stilkontrolle

PyTorch-Implementierung von MeanFlow & iMF (One-Step Generative Modeling).

Wunjo CE: Gesichtstausch, Lippensynchronisation, Entfernen von Steuerelementen, Objekten, Text und Hintergrund, Restyling, Audio-Trenner, Stimmklonung, Videogenerierung. Open Source, lokal & kostenlos.

[ICLR24] Offizielle Implementierung des Papiers „MagicDrive: Street View Generation with Diverse 3D Geometry Control“

Eine Sammlung von Ressourcen zur steuerbaren Generierung mit Text-to-Image-Diffusion-Modellen.

MOVA: Auf dem Weg zu skalierbarer und synchronisierter Video-Audio-Generierung

Stable Diffusion von Grund auf in PyTorch implementiert

[ICLR'24 Spotlight] Chinesische und englische multimodale Large-Model-Serie (Chat and Paint) | Basiert auf dem CPM-Basismodell für multimodale chinesisch-englische Großmodelle

[ECCV 2024 Oral] MotionDirector: Bewegungskonibierung von Text-zu-Video-Diffusion-Modellen.

[ICLR 2025 Oral] Die offizielle Implementierung von „Diffusion-Based Planning for Autonomous Driving with Flexible Guidance“

[CVPR 2025 Highlight] 3DTopia-XL: Hochwertige 3D-PBR-Asset-Generierung mittels Primitive Diffusion

[ICLR 2024 Spotlight] SyncDreamer: Generierung multiview-konsistenter Bilder aus einem Einzelbild

Offizielle Implementierung des Papers: „FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models“

NVIDIA FastGen: Schnelle Generierung aus Diffusionsmodellen

[CVPR 2024] PIA, Ihr personalisierter Bild-Animator. Animieren Sie Ihre Bilder durch Text-Prompts in Kombination mit DreamBooth, um atemberaubende Videos zu erstellen.

[CVPR 2024] DeepCache: Beschleunigung von Diffusionsmodellen zum Nulltarif

Offizielle Implementierung von Diffusion Autoencoders

Multimodales RL-Trainingsframework für Diffusions- und Omni-Modelle