diffusion-models

Koleksi makalah diffusion model yang dikategorikan berdasarkan sub-area mereka

Implementasi PyTorch untuk Score-Based Generative Modeling melalui Stochastic Differential Equations (ICLR 2021, Oral)

Helios: Model Generasi Video Panjang Real-Time yang Sesungguhnya.

Model Difusi dalam Pencitraan Medis (Diterbitkan di Jurnal Analisis Citra Medis)

[NeurIPS 2025] Pengeditan gambar cukup dengan satu LoRA! 0,1% data pelatihan untuk pengeditan gambar yang fantastis! Melampaui GPT-4o dalam persistensi ID~ MoE ckpt dirilis! Hanya butuh 4GB VRAM untuk menjalankan!

DIAMOND adalah agen pembelajaran penguatan (reinforcement learning) yang dilatih dalam model dunia difusi. NeurIPS 2024 Spotlight.

Repositori kode untuk Zero123++: model dasar difusi multi-tampilan konsisten dari satu gambar.

Daftar bacaan untuk keamanan, keselamatan, dan privasi model besar (termasuk Awesome LLM Security, Safety, dll.).

Custom Diffusion: Kustomisasi Multi-Konsep untuk Difusi Teks-ke-Gambar (CVPR 2023).

[ICLR & NeurIPS 2025] Repositori untuk seri Show-o, satu Transformer tunggal untuk menyatukan pemahaman dan generasi multimodal.

Model Autoregressive Mengungguli Diffusion: 🦙 Llama untuk Pembuatan Gambar yang Dapat Diskalakan

OneDiff: Pustaka akselerasi siap pakai untuk model difusi.

[ICCV 2023] Make-It-3D: Pembuatan 3D fidelitas tinggi dari satu gambar dengan Diffusion Prior.

Kode resmi untuk "DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps" (Neurips 2022 Oral)

HunyuanVideo-I2V: Model Image-to-Video yang Dapat Disesuaikan Berdasarkan HunyuanVideo

[ICLR 2025] CatVTON adalah model difusi virtual try-on yang sederhana dan efisien dengan 1) Jaringan Ringan (total 899,06M parameter), 2) Pelatihan Efisien Parameter (49,57M parameter dapat dilatih), dan 3) Inferensi Sederhana (< 8GB VRAM untuk resolusi 1024X768).

[CVPR 2026] Menuju Streaming Video Super-Resolution Berbasis Difusi Real-Time — Kerangka kerja difusi satu langkah yang efisien untuk streaming VSR dengan attention jarang yang dibatasi lokalitas dan dekoder kondisional kecil.

Mengumpulkan makalah keren tentang RAG untuk AIGC. Kami mengusulkan taksonomi dasar, peningkatan, dan aplikasi RAG dalam makalah "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

[ECCV 2024] Implementasi resmi dari makalah "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"

[ICLR'25 Oral] Penyelarasan Representasi untuk Generasi: Melatih Diffusion Transformers Lebih Mudah dari yang Anda Pikirkan

[NeurIPS 2023] ImageReward: Mempelajari dan Mengevaluasi Preferensi Manusia untuk Pembuatan Teks-ke-Gambar

MMaDA - Model Bahasa Difusi Besar Multimodal Sumber Terbuka (dLLM dengan block diffusion, mixed-CoT, unified RL)

Daftar kurasi sumber daya Diffusion Model dalam RL (terus diperbarui)

[ACM MM 2025] FantasyTalking: Pembuatan Potret Berbicara Realistis melalui Sintesis Gerakan Koheren

[ICLR'24] Implementasi Resmi PyTorch dari Magic123: Pembuatan Objek 3D Berkualitas Tinggi dari Satu Gambar Menggunakan Prior Difusi 2D dan 3D

Implementasi resmi dari "MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling"

Implementasi DiffDock: Langkah Difusi, Putaran, dan Belokan untuk Penambatan Molekuler

Repositori kode resmi untuk edisi kedua buku O'Reilly Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Inpainting gratis pelatihan berkualitas tinggi untuk setiap model stable diffusion. Mendukung ComfyUI

Timestep Embedding Tells: Saatnya Melakukan Cache untuk Model Difusi Video