diffusion-models

[ECCV 2024] MOFA-Video: 固定された Image-to-Video 拡散モデルにおける生成的モーションフィールド適応を通じた制御可能な画像アニメーション。

テキストからの画像生成に関する素晴らしい研究のコレクション。

[ICLR 2025] Posterior-Mean Rectified Flow の公式実装: 最小 MSE 写真リアスティック画像復元に向けて

[ICCV 2025] 論文「MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control」の公式実装。

[CVPR 2024 Highlight] DistriFusion: 高解像度Diffusion Models向けの分散並列推論

ワールドモデル科学の発展を目的とした、ミニマリストで機能が充実したリポジトリ。

生体分子の構造予測とデザインのためのディープラーニングツールを網羅したColabノートブック

平均回帰確率微分方程式を用いた画像復元 (ICML 2023)。NTIRE 2023 画像影除去チャレンジの優勝ソリューション。

[NeurIPS 2024] シンプルかつ効果的なマスク拡散言語モデル

[ICML 2025] 「History-Guided Video Diffusion」の公式 PyTorch 実装

AR Diffusionを活用したAwesome Video World Modelsのキュレーションリスト：アルゴリズム、アプリケーション、インフラストラクチャを網羅し、研究者、実務者、愛好家向けの包括的なリソースとなることを目指しています。

[ECCV 2024] 畳み込み再構成モデルを使用して、1枚の画像から10秒で3Dテクスチャ付きメッシュを生成する。

Flow-Matching モデルでの強化学習を容易にする統合フレームワーク

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC 関連の論文とコードのコレクション

HunyuanImage-2.1: 高解像度（2K）テキストから画像への生成を行う効率的な拡散モデル

テキスト音声生成モデルを使用したMake-An-Audio（ICML'23）のPyTorch実装

OneDiffusion 論文 (CVPR 2025) の公式実装

[IJCV 2026] FoleyCrafter：リアルで同期したサウンドでサイレント動画に生命を吹き込む。無声動画に生き生きとした同期音声を追加するAIフォーリーツール 😝

Flash Diffusion — 条件付き拡散モデルの高速化（AAAI 2025 Oral）

[ICLR 2025] ベクトル量子化を使用しない自己回帰型動画生成

DFloat11 [NeurIPS '25]: GPU推論の効率化に向けたLLMおよびDiTのロスレス圧縮

コード生成のためのオープンな拡散言語モデル — 事前学習、評価、推論、チェックポイントを公開

「Blended Latent Diffusion」の公式実装 [SIGGRAPH 2023]

OpenMusic: SOTA Text-to-Music (TTM) 生成

[CVPR'26 Highlight] Ditto: 高品質な合成データセットを用いた指示ベースの動画編集のスケーリング

[NeurIPS 2025] Radial Attention: 長尺動画生成のためのエネルギー減衰を伴う O(nlogn) スパースアテンション

[TPAMI] 論文「BrushEdit: All-In-One Image Inpainting and Editing」の公式実装

CVPR 2025 の論文「SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models」の公式コード

VEnhancer（動画生成のための生成型時空間拡張）の公式コード

EDGE (CVPR 2023) の公式 PyTorch 実装