diffusion-models

[ICLR 2026] लंबी कहानी के विज़ुअलाइज़ेशन के लिए एक ट्रेनिंग-मुक्त इटरेटिव फ्रेमवर्क

[ECCV 2026] Skyfall-GS: सैटेलाइट इमेजरी से इमर्सिव 3D शहरी दृश्यों का संश्लेषण

डिफ्यूजन-आधारित इमेज प्रोसेसिंग का सारांश, जिसमें रेस्टोरेशन, एन्हांसमेंट, कोडिंग और क्वालिटी असेसमेंट शामिल हैं।

[ICML 2026] "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" और Causal Forcing++ के लिए आधिकारिक कोडबेस

ODISE का आधिकारिक PyTorch कार्यान्वयन: टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल के साथ ओपन-वोकैबलरी पैनोप्टिक सेगमेंटेशन [CVPR 2023 हाइलाइट]

MindSpore + 🤗Huggingface: निर्बाध अनुकूलता और त्वरण के साथ MindSpore पर कोई भी Transformers/Diffusers मॉडल चलाएं।

डिफ्यूजन मॉडल के बारे में सीखने के लिए प्रमुख शोध पत्रों और ब्लॉगों का सारांश। सभी प्रकाशित डिफ्यूजन रोबोटिक्स शोध पत्रों की विस्तृत सूची

Diffusers के साथ कई रियल-टाइम डिफ्यूजन मॉडल पाइपलाइनों को प्रदर्शित करने वाला ऐप

ओपन-सोर्स SOTA मल्टी-इमेज एडिटिंग मॉडल।

"MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens" पेपर का आधिकारिक कार्यान्वयन

एडवांस्ड वर्ल्ड मॉडल्स के लिए एकीकृत कोडबेस

तेज़ और स्केलेबल सिंगल-स्टेज इमेज-टू-3D जनरेशन और रिकंस्ट्रक्शन के लिए डिफ्यूजन डिनोइज़र में गॉसियन स्प्लेटिंग को शामिल करना (ICCV 2025)

[CVPR 2025 Highlight🔥] फ्रीक्वेंसी डिकंपोजिशन द्वारा आइडेंटिटी-प्रिजर्विंग टेक्स्ट-टू-वीडियो जनरेशन।

Instruct-NeRF2NeRF: निर्देशों के साथ 3D दृश्यों को संपादित करना (ICCV 2023)

हालिया AI सम्मेलनों और पत्रिकाओं में न्यूरल नेटवर्क क्वांटाइजेशन से संबंधित शोध पत्रों की सूची।

[ICLR'23] DiffuSeq: डिफ्यूजन मॉडल के साथ सीक्वेंस टू सीक्वेंस टेक्स्ट जनरेशन

MeshDiffusion: Score-based Generative 3D Mesh Modeling (ICLR 2023 Spotlight) का आधिकारिक कार्यान्वयन।

[CVPR 2024] GaussianDreamer: 2D और 3D डिफ्यूजन मॉडल को जोड़कर टेक्स्ट से 3D Gaussians का तेज़ जनरेशन।

RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers (ICML 2025), UltraViCo (ICLR 2026) और UltraImage के लिए आधिकारिक कार्यान्वयन

लार्ज मॉडल्स (LLMs/VLMs) के युग में रोबोटिक्स डोमेन से संबंधित 3D विजन पेपर्स की एक क्यूरेटेड सूची, जिसमें पेपर्स, कोड और संबंधित वेबसाइटें शामिल हैं।

[ICLR 2024] यूनिवर्सल इमेज रिस्टोरेशन के लिए विजन-लैंग्वेज मॉडल को नियंत्रित करना। NTIRE 2024 रिस्टोर एनी इमेज मॉडल इन द वाइल्ड चैलेंज में 5वां स्थान।

[CVPR 2024] Paint3D: लाइटिंग-लेस टेक्सचर डिफ्यूजन मॉडल के साथ 3D पेंटिंग, एक बिना लाइटिंग बेक्ड टेक्सचर वाला जनरेटिव मॉडल।

DeepInverse: डीप लर्निंग का उपयोग करके इमेजिंग इनवर्स समस्याओं को हल करने के लिए एक PyTorch लाइब्रेरी

छवियों के बजाय संगीत को सिंथेटize करने के लिए नए Hugging Face diffusers पैकेज का उपयोग करके difusión मॉडल लागू करें।

डिफ्यूजन मॉडल को प्रशिक्षित करने और सैंपलिंग के लिए सरल और पठनीय कोड।

शानदार वीडियो जनरेशन अध्ययनों का एक संग्रह।

LLMs, MLLMs और उससे आगे मॉडल मर्जिंग: तरीके, सिद्धांत, अनुप्रयोग और अवसर। ACM Computing Surveys, 2026।

[ICML 2024] MagicPose (जिसे MagicDance भी कहा जाता है): आइडेंटिटी-अवेयर डिफ्यूजन के साथ यथार्थवादी मानव पोज़ और चेहरे के भावों का रीटार्गेटिंग

[NeurIPS'23] इमेज डिफ्यूजन से उभरता पत्राचार

"Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023) के लिए आधिकारिक कार्यान्वयन