diffusion-models

Colección de artículos sobre modelos de difusión categorizados por sus subáreas

Implementación en PyTorch para modelado generativo basado en puntuación mediante ecuaciones diferenciales estocásticas (ICLR 2021, Oral)

Helios: Modelo de generación de video largo en tiempo real real

Modelos de difusión en imágenes médicas (Publicado en la revista Medical Image Analysis)

[NeurIPS 2025] ¡La edición de imágenes solo requiere un único LoRA! ¡0.1% de datos de entrenamiento para una edición de imágenes fantástica! Supera a GPT-4o en persistencia de ID~ ¡ckpt de MoE publicado! ¡Solo se necesitan 4GB de VRAM para ejecutar!

DIAMOND (DIffusion As a Model Of eNvironment Dreams) es un agente de aprendizaje por refuerzo entrenado en un modelo de mundo de difusión. NeurIPS 2024 Spotlight.

Repositorio de código para Zero123++: un modelo base de difusión de una sola imagen a múltiples vistas coherentes.

Una lista de lectura sobre seguridad, protección y privacidad de modelos grandes (incluyendo Awesome LLM Security, Safety, etc.).

Custom Diffusion: Personalización multiconcepto de difusión de texto a imagen (CVPR 2023)

[ICLR & NeurIPS 2025] Repositorio para la serie Show-o, un único Transformer para unificar la comprensión y generación multimodal.

El modelo autorregresivo supera a la difusión: 🦙 Llama para la generación escalable de imágenes

OneDiff: Una biblioteca de aceleración lista para usar para modelos de difusión.

[ICCV 2023] Make-It-3D: Creación 3D de alta fidelidad a partir de una sola imagen con un prior de difusión

Código oficial para "DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps" (Neurips 2022 Oral)

HunyuanVideo-I2V: Un modelo personalizable de imagen a video basado en HunyuanVideo

[ICLR 2025] CatVTON es un modelo de difusión de prueba virtual simple y eficiente con 1) red ligera (899,06 M de parámetros en total), 2) entrenamiento eficiente en parámetros (49,57 M de parámetros entrenables) y 3) inferencia simplificada (< 8 GB de VRAM para resolución de 1024x768).

[CVPR 2026] Hacia la superresolución de video en streaming basada en difusión en tiempo real: un framework de difusión eficiente de un solo paso para VSR en streaming con atención dispersa restringida por localidad y un decodificador condicional ligero.

Recopilación de artículos destacados sobre RAG para AIGC. Proponemos una taxonomía de fundamentos, mejoras y aplicaciones de RAG en el artículo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

[ECCV 2024] Implementación oficial del artículo "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"

[ICLR'25 Oral] Alineación de representación para la generación: entrenar Diffusion Transformers es más fácil de lo que piensas.

[NeurIPS 2023] ImageReward: Aprendizaje y evaluación de preferencias humanas para la generación de texto a imagen.

MMaDA: Modelos de lenguaje de difusión multimodal de código abierto (dLLMs con difusión por bloques, CoT mixto y RL unificado)

Una lista curada de recursos sobre modelos de difusión en aprendizaje por refuerzo (actualizada continuamente).

[ACM MM 2025] FantasyTalking: Generación de retratos parlantes realistas mediante síntesis de movimiento coherente

[ICLR'24] Implementación oficial en PyTorch de Magic123: Generación de objetos 3D de alta calidad a partir de una imagen utilizando prioridades de difusión 2D y 3D.

Implementación oficial de "MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling"

Implementación de DiffDock: pasos de difusión, giros y vueltas para el acoplamiento molecular

El repositorio de código oficial de la segunda edición del libro de O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Inpainting de alta calidad sin entrenamiento para cualquier modelo de Stable Diffusion. Compatible con ComfyUI

Timestep Embedding Tells: Es hora de implementar caché para modelos de difusión de video.