diffusion-models

Collection d'articles sur les modèles de diffusion classés par sous-domaines

Implémentation PyTorch pour la modélisation générative basée sur le score via des équations différentielles stochastiques (ICLR 2021, Oral)

Helios : Modèle de génération de vidéos longues en temps réel

Modèles de diffusion en imagerie médicale (publié dans la revue Medical Image Analysis).

[NeurIPS 2025] L'édition d'images vaut bien un seul LoRA ! 0,1 % de données d'entraînement pour une édition d'image fantastique ! Surpasse GPT-4o en persistance d'identité ~ Checkpoint MoE publié ! Seulement 4 Go de VRAM suffisent pour l'exécuter !

DIAMOND (DIffusion As a Model Of eNvironment Dreams) est un agent d'apprentissage par renforcement entraîné dans un modèle de monde par diffusion. Spotlight NeurIPS 2024.

Dépôt de code pour Zero123++ : un modèle de diffusion de base pour générer des vues multiples cohérentes à partir d'une image unique.

Liste de lecture sur la sûreté, la sécurité et la confidentialité des grands modèles (incluant Awesome LLM Security, Safety, etc.).

Custom Diffusion : personnalisation multi-concepts de la diffusion texte-vers-image (CVPR 2023)

[ICLR & NeurIPS 2025] Dépôt pour la série Show-o, un transformeur unique pour unifier la compréhension et la génération multimodales.

Le modèle autorégressif surpasse la diffusion : Llama pour la génération d'images à grande échelle

OneDiff : une bibliothèque d'accélération prête à l'emploi pour les modèles de diffusion.

[ICCV 2023] Make-It-3D : Création 3D haute fidélité à partir d'une image unique avec Diffusion Prior.

Code officiel de DPM-Solver : un solveur d'ODE rapide pour l'échantillonnage de modèles de diffusion probabilistes en environ 10 étapes (Neurips 2022 Oral).

HunyuanVideo-I2V : un modèle image-vers-vidéo personnalisable basé sur HunyuanVideo.

[ICLR 2025] CatVTON est un modèle de diffusion simple et efficace pour l'essayage virtuel, doté d'un réseau léger (899,06 M de paramètres au total), d'un entraînement efficace en paramètres (49,57 M de paramètres entraînables) et d'une inférence simplifiée (< 8 Go de VRAM pour une résolution de 1024x768).

[CVPR 2026] Vers une super-résolution vidéo en streaming basée sur la diffusion en temps réel — Un framework de diffusion en une étape efficace pour le VSR en streaming avec attention éparse contrainte par la localité et un minuscule décodeur conditionnel.

Collection d'articles sur le RAG pour l'AIGC. Nous proposons une taxonomie des fondements, améliorations et applications du RAG dans l'article "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

[ECCV 2024] Implémentation officielle de l'article « BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion »

[ICLR'25 Oral] Alignement de représentation pour la génération : entraîner des Diffusion Transformers est plus simple que vous ne le pensez.

[NeurIPS 2023] ImageReward : Apprentissage et évaluation des préférences humaines pour la génération texte-image.

MMaDA - Modèles de langage à diffusion multimodale à grande échelle open source (dLLM avec diffusion par blocs, mixed-CoT et RL unifié)

Une liste organisée de ressources sur les modèles de diffusion en apprentissage par renforcement (mis à jour régulièrement).

[ACM MM 2025] FantasyTalking : Génération de portraits parlants réalistes via la synthèse de mouvement cohérent

[ICLR'24] Implémentation PyTorch officielle de Magic123 : Génération d'objets 3D de haute qualité à partir d'une image utilisant des priors de diffusion 2D et 3D

Implémentation officielle de "MIMO : Synthèse vidéo de personnages contrôlables avec modélisation spatiale décomposée".

Implémentation de DiffDock : étapes de diffusion, torsions et virages pour l'amarrage moléculaire

Dépôt de code officiel pour la deuxième édition du livre O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Inpainting de haute qualité sans entraînement pour tous les modèles stable diffusion. Supporte ComfyUI.

Timestep Embedding Tells : Il est temps de mettre en cache pour le modèle de diffusion vidéo.