diffusion-models

Entrenamiento escalable y optimizado en memoria de modelos de difusión

[ICASSP 2024] 🍵 Matcha-TTS: Una arquitectura de TTS rápida con conditional flow matching.

[ICLR 2023 Oral] Restauración de imágenes zero-shot utilizando el modelo de espacio nulo de difusión por reducción de ruido

FireRed-Image-Edit es un modelo base de edición de imágenes potente que logra un rendimiento de vanguardia de código abierto con seguimiento preciso de instrucciones, generación de alta fidelidad, consistencia de identidad superior y fusión fluida de múltiples elementos.

[AAAI 2025]👔IMAGDressing👔: Generación modular interactiva de prendas para vestimenta virtual. Permite la generación de imágenes humanas personalizables con control flexible de prendas, poses y escenas, garantizando alta fidelidad y consistencia de las prendas para el vestuario virtual.

[TPAMI 2025🔥] MagicTime: Modelos de generación de video time-lapse como simuladores metamórficos.

Paquete portátil para ejecutar Hunyuan3D 2.0/2.1 en Windows.

Pruna es un framework de optimización de modelos diseñado para desarrolladores, que permite entregar modelos más rápidos y eficientes con una sobrecarga mínima.

[CVPR 2025 Oral y finalista al mejor artículo] Difix3D+: Mejora de reconstrucciones 3D con modelos de difusión de un solo paso

[CVPR2024, Highlight] Código oficial para DragDiffusion

Una familia de modelos de difusión para la generación de texto a audio

HunyuanCustom: Una arquitectura impulsada por multimodalidad para la generación de video personalizada.

Modelo de texto a voz basado en Flow Matching con control de estilo mediante emojis.

Implementación en PyTorch de MeanFlow e iMF (modelado generativo de un solo paso).

Wunjo CE: Intercambio de rostros, sincronización labial, eliminación de objetos, texto y fondos, reestilización, separador de audio, clonación de voz y generación de video. De código abierto, local y gratuito.

[ICLR24] Implementación oficial del artículo “MagicDrive: Street View Generation with Diverse 3D Geometry Control”

Una colección de recursos sobre generación controlable con modelos de difusión de texto a imagen.

MOVA: Hacia la generación de video y audio escalable y sincronizada

Stable Diffusion implementado desde cero en PyTorch

[ICLR'24 spotlight] Serie de modelos multimodales grandes en chino e inglés (Chat y Paint) | Basado en la serie de modelos multimodales grandes bilingües chino-inglés CPM

[ECCV 2024 Oral] MotionDirector: personalización de movimiento para modelos de difusión de texto a video.

[ICLR 2025 Oral] La implementación oficial de "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance"

[CVPR 2025 Highlight] 3DTopia-XL: Generación de activos 3D PBR de alta calidad mediante difusión primitiva.

[ICLR 2024 Spotlight] SyncDreamer: Generación de imágenes consistentes multivista a partir de una sola imagen.

Implementación oficial del artículo: "FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models"

NVIDIA FastGen: Generación rápida a partir de modelos de difusión

[CVPR 2024] PIA, tu animador de imágenes personalizado. Anima tus imágenes mediante prompts de texto, combinando con Dreambooth para lograr videos sorprendentes.

[CVPR 2024] DeepCache: Aceleración gratuita para modelos de difusión.

Implementación oficial de Diffusion Autoencoders

[ICLR 2026] Un marco iterativo sin entrenamiento para la visualización de historias largas.