diffusion-models

拡散モデルのスケーラブルかつメモリ最適化されたトレーニング

[ICASSP 2024] 🍵 Matcha-TTS: 条件付きフローマッチングを用いた高速なTTSアーキテクチャ

[ICLR 2023 Oral] Denoising Diffusion Null-Space Model を使用したゼロショット画像復元

FireRed-Image-Editは、正確な指示追従、高忠実度の生成、優れたアイデンティティの一貫性、シームレスなマルチ要素融合により、オープンソースの最先端パフォーマンスを実現する強力な画像編集基盤モデルです。

[AAAI 2025] 👔IMAGDressing👔：バーチャル試着のためのインタラクティブなモジュール型アパレル生成。柔軟な衣服、ポーズ、シーン制御によりカスタマイズ可能な人物画像生成を可能にし、バーチャル試着における高い忠実度と衣服の一貫性を保証します。

[TPAMI 2025🔥] MagicTime: 変態シミュレータとしてのタイムラプス動画生成モデル

WindowsでHunyuan3D 2.0/2.1を実行するためのポータブルパッケージ。| 混元 3D 2.0/2.1 整合包

Prunaは開発者向けに構築されたモデル最適化フレームワークであり、最小限のオーバーヘッドでより高速かつ効率的なモデルを提供できるようにします。

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: 単一ステップ Diffusion Model による 3D 再構築の改善

[CVPR2024, Highlight] DragDiffusion の公式コード

テキストからオーディオを生成する拡散モデルのファミリ。

絵文字駆動型スタイル制御を備えたFlow Matchingベースの音声合成モデル

HunyuanCustom: カスタム動画生成のためのマルチモーダル駆動型アーキテクチャ

MeanFlow & iMF（ワンステップ生成モデリング）のPyTorch実装。

Wunjo CE：顔の差し替え、リップシンク、オブジェクト・テキスト・背景の削除、スタイル変更、音源分離、音声クローン、動画生成。オープンソース、ローカル実行可能、無料。

[ICLR24] 論文「MagicDrive: Street View Generation with Diverse 3D Geometry Control」の公式実装

テキストフロンティア画像拡散モデルによる制御可能な生成に関するリソースのコレクション

MOVA: スケーラブルで同期されたビデオ・オーディオ生成に向けて

PyTorch でスクラッチから実装された Stable Diffusion

[ICLR'24 spotlight] 中国語と英語のマルチモーダル大規模モデルシリーズ（チャットおよびペイント）| CPM基盤モデルに基づく中英バイリンガルマルチモーダル大モデルシリーズ

[ECCV 2024 Oral] MotionDirector: Text-to-Video Diffusionモデルのモーションカスタマイズ。

[ICLR 2025 Oral] 「Diffusion-Based Planning for Autonomous Driving with Flexible Guidance」の公式実装

[CVPR 2025 Highlight] 3DTopia-XL: プリミティブ拡散による高品質3D PBRアセット生成

[ICLR 2024 Spotlight] SyncDreamer: 単一ビュー画像からマルチビュー整合性のある画像を生成する

論文の公式実装：「FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models」

NVIDIA FastGen: 拡散モデルからの高速生成

[CVPR 2024] PIA、パーソナライズされた画像アニメーター。テキストプロンプトで画像をアニメーション化し、Dreamboothと組み合わせることで素晴らしい動画を実現します。

[CVPR 2024] DeepCache: Diffusion Models を無料で高速化

Diffusion Autoencodersの公式実装

[ICLR 2026] 長編ストーリーの視覚化に向けたトレーニング不要の反復型フレームワーク。