diffusion

Helios: रियल रियल-टाइम लॉन्ग वीडियो जनरेशन मॉडल

मेडिकल इमेजिंग में डिफ्यूजन मॉडल्स (Medical Image Analysis Journal में प्रकाशित)

[NeurIPS 2025] इमेज एडिटिंग के लिए केवल एक LoRA पर्याप्त है! शानदार इमेज एडिटिंग के लिए 0.1% ट्रेनिंग डेटा! ID परसिस्टेंस में GPT-4o से आगे~ MoE ckpt जारी! चलाने के लिए केवल 4GB VRAM पर्याप्त है!

ऑटोरिग्रेसिव मॉडल ने डिफ्यूजन को पछाड़ा: स्केलेबल इमेज जनरेशन के लिए 🦙 Llama

[ECCV 2024] पेपर "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion" का आधिकारिक कार्यान्वयन

[ICLR'25 ओरल] जनरेशन के लिए रिप्रेजेंटेशन एलाइनमेंट: डिफ्यूजन ट्रांसफॉर्मर को प्रशिक्षित करना जितना आप सोचते हैं उससे कहीं अधिक आसान है

[ACM MM 2025] FantasyTalking: सुसंगत गति संश्लेषण के माध्यम से यथार्थवादी टॉकिंग पोर्ट्रेट जनरेशन

बेहतर उपयोगिता, व्यापकता और दक्षता के लिए डिज़ाइन किया गया मॉडल कम्प्रेशन टूलकिट

PALLAIDIUM - एक जनरेटिव AI मूवी स्टूडियो, जो Blender Video Editor (VSE) में सहज रूप से एकीकृत है, जो स्क्रिप्ट से स्क्रीन और वापस तक एंड-टू-एंड प्रोडक्शन को सक्षम बनाता है।

[ICCV 2025] 🔥🔥 UNO: सिंगल और मल्टी-सब्जेक्ट कंडीशनिंग दोनों के लिए एक यूनिवर्सल कस्टमाइजेशन मेथड

डिफ्यूजन मॉडल का स्केलेबल और मेमोरी-ऑप्टिमाइज़्ड प्रशिक्षण

Inpaint Anything एक्सटेंशन Segment Anything के मास्क का उपयोग करके ब्राउज़र UI पर स्टेबल डिफ़्यूजन इनपेंटिंग करता है।

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

[ECCV 2026] MixGRPO: मिक्स्ड ODE-SDE के साथ फ्लो-आधारित GRPO दक्षता को अनलॉक करना

Apple Silicon के लिए नेटिव LLM इन्फरेंस सर्वर। OpenAI और Anthropic API के साथ संगत। Python की आवश्यकता नहीं। इसमें चैट, एजेंट मोड और टूल कॉलिंग के साथ MLX Core macOS ऐप शामिल है।

पेपर "Full-Order Sampling-Based MPC for Torque-Level Locomotion Control via Diffusion-Style Annealing" का आधिकारिक कार्यान्वयन। DIAL-MPC लेग्ड रोबोट के फुल-ऑर्डर टॉर्क-लेवल कंट्रोल के लिए एक नया सैंपलिंग-आधारित MPC फ्रेमवर्क है, जो बिना ट्रेनिंग के सटीकता और चपलता प्रदान करता है।

Generative AI और Deep Learning का उपयोग करके मॉलिक्यूलर और मटेरियल डिज़ाइन की सूची।

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

एक ओपन-सोर्स LLM-सक्षम फाउंडेशन TTS सिस्टम

UniWorld: एकीकृत दृश्य समझ और निर्माण के लिए उच्च-रिज़ॉल्यूशन सिमेंटिक एनकोडर।

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

3D शेप जनरेशन के लिए Latent Point Diffusion Models

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

Adan: डीप मॉडल्स को तेज़ी से ऑप्टिमाइज़ करने के लिए एडेप्टिव नेस्टरोव मोमेंटम एल्गोरिदम।

Kandinsky 5.0: वीडियो और इमेज जनरेशन के लिए डिफ्यूजन मॉडल्स का एक परिवार।

[TMLR 2025🔥] विजन में ऑटोरिग्रेसिव मॉडल के लिए एक सर्वेक्षण।

Stable Diffusion की व्याख्या के लिए डिफ्यूजन अटेंटिव एट्रिब्यूशन मैप्स

rCM और Causal-rCM: बड़े पैमाने पर द्विदिश/ऑटोरिग्र्रेसिव वीडियो डिफ्यूजन डिस्टिलेशन के लिए अग्रणी और एकीकृत एल्गोरिदम/इन्फ्रास्ट्रक्चर।

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

[CVPR 2024] FRESCO: ज़ीरो-शॉट वीडियो ट्रांसलेशन के लिए स्थानिक-अस्थायी पत्राचार (Spatial-Temporal Correspondence)