diffusion-models

डिफ्यूजन मॉडल का स्केलेबल और मेमोरी-ऑप्टिमाइज़्ड प्रशिक्षण

[ICASSP 2024] 🍵 Matcha-TTS: सशर्त प्रवाह मिलान (conditional flow matching) के साथ एक तेज़ TTS आर्किटेक्चर

[ICLR 2023 Oral] Denoising Diffusion Null-Space Model का उपयोग करके ज़ीरो-शॉट इमेज रेस्टोरेशन

FireRed-Image-Edit एक शक्तिशाली इमेज एडिटिंग फ़ाउंडेशन मॉडल है जो सटीक निर्देश पालन, उच्च-निष्ठा जनरेशन, बेहतर पहचान निरंतरता और सहज मल्टी-एलिमेंट फ्यूजन के साथ ओपन-सोर्स अत्याधुनिक प्रदर्शन प्राप्त करता है।

[AAAI 2025]👔IMAGDressing👔: वर्चुअल ड्रेसिंग के लिए इंटरएक्टिव मॉड्यूलर अपैरल जनरेशन।

[TPAMI 2025🔥] मैजिकटाइम: मेटामॉर्फिक सिमुलेटर्स के रूप में टाइम-लैप्स वीडियो जनरेशन मॉडल

Windows पर Hunyuan3D 2.0/2.1 चलाने के लिए पोर्टेबल पैकेज। | 混元 3D 2.0/2.1 整合包

Pruna डेवलपर्स के लिए बनाया गया एक मॉडल ऑप्टिमाइज़ेशन फ्रेमवर्क है, जो आपको न्यूनतम ओवरहेड के साथ तेज़, अधिक कुशल मॉडल डिलीवर करने में सक्षम बनाता है।

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: सिंगल-स्टेप डिफ्यूजन मॉडल के साथ 3D रीकंस्ट्रक्शन में सुधार करना

[CVPR2024, Highlight] DragDiffusion के लिए आधिकारिक कोड

टेक्स्ट-टू-ऑडियो जनरेशन के लिए डिफ्यूजन मॉडल का एक परिवार।

HunyuanCustom: कस्टमाइज्ड वीडियो जनरेशन के लिए एक मल्टीमॉडल-संचालित आर्किटेक्चर।

इमोजी-संचालित स्टाइल नियंत्रण के साथ एक Flow Matching-आधारित Text-to-Speech मॉडल

MeanFlow और iMF का PyTorch कार्यान्वयन (एक-चरण जनरेटिव मॉडलिंग)।

Wunjo CE: Face Swap, Lip Sync, Control Remove Objects & Text & Background, Restyling, Audio Separator, Clone Voice, Video Generation। ओपन-सोर्स, लोकल और मुफ़्त।

[ICLR24] पेपर “MagicDrive: Street View Generation with Diverse 3D Geometry Control” का आधिकारिक कार्यान्वयन

टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल के साथ कंट्रोलेबल जनरेशन पर संसाधनों का एक संग्रह।

MOVA: स्केलेबल और सिंक्रोनाइज़्ड वीडियो-ऑडियो जनरेशन की दिशा में

PyTorch में स्क्रैच से कार्यान्वित Stable Diffusion

[ICLR'24 स्पॉटलाइट] चीनी और अंग्रेजी मल्टीमॉडल लार्ज मॉडल सीरीज़ (चैट और पेंट) | CPM बेस मॉडल पर आधारित चीनी-अंग्रेजी द्विभाषी मल्टीमॉडल लार्ज मॉडल सीरीज़

[ICLR 2025 Oral] "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance" का आधिकारिक कार्यान्वयन

[ECCV 2024 Oral] MotionDirector: टेक्स्ट-टू-वीडियो डिफ्यूजन मॉडल का मोशन कस्टमाइजेशन

[CVPR 2025 Highlight] 3DTopia-XL: प्रिमिटिव डिफ्यूजन के माध्यम से उच्च-गुणवत्ता वाली 3D PBR एसेट जनरेशन

[ICLR 2024 Spotlight] SyncDreamer: सिंगल-व्यू इमेज से मल्टीव्यू-कंसिस्टेंट इमेज जनरेट करना

शोध पत्र का आधिकारिक कार्यान्वयन: "FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models"

NVIDIA FastGen: डिफ्यूजन मॉडल्स से तेज़ जनरेशन

[CVPR 2024] PIA, आपका वैयक्तिकृत इमेज एनिमेटर। टेक्स्ट प्रॉम्प्ट द्वारा अपनी छवियों को एनिमेट करें, Dreambooth के साथ संयोजन करें, शानदार वीडियो प्राप्त करें।

[CVPR 2024] DeepCache: डिफ्यूजन मॉडल को मुफ्त में गति देना

Diffusion Autoencoders का आधिकारिक कार्यान्वयन।

डिफ्यूजन और ओम्नी मॉडल के लिए मल्टीमॉडल RL प्रशिक्षण फ्रेमवर्क