diffusion-models

[ECCV 2024] MOFA-Video: फ्रोजन Image-to-Video डिफ्यूजन मॉडल में जेनरेटिव मोशन फील्ड एडाप्टेशन के माध्यम से नियंत्रणीय छवि एनिमेशन।

अद्भुत टेक्स्ट-टू-इमेज जनरेशन अध्ययनों का एक संग्रह।

[ICLR 2025] Posterior-Mean Rectified Flow का आधिकारिक कार्यान्वयन: न्यूनतम MSE फोटो-यथार्थवादी छवि बहाली की दिशा में

[ICCV 2025] पेपर का आधिकारिक कार्यान्वयन “MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control”

[CVPR 2024 हाइलाइट] DistriFusion: उच्च-रिज़ॉल्यूशन डिफ्यूजन मॉडल के लिए वितरित समानांतर अनुमान।

वर्ल्ड मॉडल साइंस को आगे बढ़ाने के लिए एक न्यूनतम, सभी सुविधाओं से युक्त रिपॉजिटरी।

बायोमोलेक्यूलर संरचना भविष्यवाणी और डिज़ाइन के लिए डीप लर्निंग टूल्स को कवर करने वाली Colab Notebooks

मीन-रिवर्टिंग स्टोकेस्टिक डिफरेंशियल इक्वेशन के साथ इमेज रिस्टोरेशन, ICML 2023। NTIRE 2023 इमेज शैडो रिमूवल चैलेंज का विजेता समाधान।

[NeurIPS 2024] सरल और प्रभावी मास्क्ड डिफ्यूजन लैंग्वेज मॉडल

[ICML 2025] "History-Guided Video Diffusion" का आधिकारिक PyTorch कार्यान्वयन

AR डिफ्यूजन के साथ बेहतरीन वीडियो वर्ल्ड मॉडल्स की एक क्यूरेटेड सूची: इसमें एल्गोरिदम, एप्लिकेशन और इंफ्रास्ट्रक्चर शामिल हैं, जो शोधकर्ताओं, पेशेवरों और उत्साही लोगों के लिए एक व्यापक संसाधन के रूप में कार्य करती है।

[ECCV 2024] कनवल्शनल रिकंस्ट्रक्शन मॉडल के साथ 10 सेकंड में सिंगल इमेज से 3D टेक्सचर्ड मेश।

Flow-Matching मॉडल्स में आसान रीइन्फोर्समेंट लर्निंग के लिए एक एकीकृत फ्रेमवर्क

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC के लिए पेपर्स और कोड का संग्रह

HunyuanImage-2.1: हाई-रिज़ॉल्यूशन (2K) टेक्स्ट-टू-इमेज जनरेशन के लिए एक कुशल डिफ्यूजन मॉडल

टेक्स्ट-टू-ऑडियो जनरेटिव मॉडल के साथ Make-An-Audio (ICML'23) का PyTorch कार्यान्वयन।

OneDiffusion पेपर (CVPR 2025) का आधिकारिक कार्यान्वयन।

[IJCV 2026] FoleyCrafter: मूक वीडियो में सजीव और सिंक्रोनाइज़्ड साउंड जोड़ें

Flash Diffusion — कंडीशनल डिफ्यूजन मॉडल को गति देना (AAAI 2025 ओरल)

[ICLR 2025] वेक्टर क्वांटाइजेशन के बिना ऑटोरिग्र्रेसिव वीडियो जनरेशन।

DFloat11 [NeurIPS '25]: कुशल GPU इन्फरेंस के लिए LLMs और DiTs का लॉसलेस कंप्रेशन।

कोड जनरेशन के लिए ओपन डिफ्यूजन लैंग्वेज मॉडल — प्रीट्रेनिंग, मूल्यांकन, अनुमान और चेकपॉइंट्स जारी करना।

Blended Latent Diffusion [SIGGRAPH 2023] के लिए आधिकारिक कार्यान्वयन।

OpenMusic: SOTA Text-to-music (TTM) जेनरेशन

[CVPR'26 Highlight] Ditto: एक उच्च-गुणवत्ता वाले सिंथेटिक डेटासेट के साथ इंस्ट्रक्शन-आधारित वीडियो एडिटिंग को स्केल करना

[NeurIPS 2025] Radial Attention: लॉन्ग वीडियो जनरेशन के लिए एनर्जी डिके के साथ O(nlogn) स्पार्स अटेंशन

[TPAMI] पेपर "BrushEdit: All-In-One Image Inpainting and Editing" का आधिकारिक कार्यान्वयन

CVPR 2025 पेपर "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models" के लिए आधिकारिक कोड

VEnhancer के आधिकारिक कोड: वीडियो जनरेशन के लिए जेनरेटिव स्पेस-टाइम एन्हांसमेंट।

EDGE (CVPR 2023) का आधिकारिक PyTorch कार्यान्वयन।