diffusion-models

Coleção de artigos sobre modelos de difusão categorizados por subáreas.

Implementação em PyTorch para Score-Based Generative Modeling através de Equações Diferenciais Estocásticas (ICLR 2021, Oral)

Helios: Modelo de geração de vídeo longo em tempo real real.

Modelos de difusão em imagens médicas (publicado no periódico Medical Image Analysis).

[NeurIPS 2025] A edição de imagem vale um único LoRA! 0,1% de dados de treinamento para uma edição de imagem fantástica! Supera o GPT-4o na persistência de ID~ MoE ckpt lançado! Apenas 4GB de VRAM são suficientes para executar!

DIAMOND (DIffusion As a Model Of eNvironment Dreams) é um agente de aprendizado por reforço treinado em um modelo de mundo de difusão. NeurIPS 2024 Spotlight.

Repositório de código para Zero123++: um modelo base de difusão de imagem única para múltiplas vistas consistentes.

Uma lista de leitura sobre segurança, proteção e privacidade de grandes modelos (incluindo Awesome LLM Security, Safety, etc.).

Custom Diffusion: Personalização de múltiplos conceitos em modelos de difusão texto-para-imagem (CVPR 2023)

[ICLR & NeurIPS 2025] Repositório para a série Show-o, um único Transformer para unificar a compreensão e geração multimodal.

Modelo autorregressivo supera difusão: 🦙 Llama para geração de imagens escalável

OneDiff: Uma biblioteca de aceleração pronta para uso para modelos de difusão.

[ICCV 2023] Make-It-3D: Criação 3D de alta fidelidade a partir de uma única imagem com Diffusion Prior

Código oficial para "DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps" (Neurips 2022 Oral).

HunyuanVideo-I2V: Um modelo personalizável de imagem para vídeo baseado no HunyuanVideo

[ICLR 2025] CatVTON é um modelo de difusão de prova virtual simples e eficiente com 1) Rede leve (899,06M de parâmetros no total), 2) Treinamento eficiente em parâmetros (49,57M de parâmetros treináveis) e 3) Inferência simplificada (< 8G VRAM para resolução 1024X768).

[CVPR 2026] Rumo à super-resolução de vídeo em streaming baseada em difusão em tempo real — Um framework de difusão de passo único eficiente para VSR em streaming com atenção esparsa restrita por localidade e um pequeno decodificador condicional.

Coleta de artigos sobre RAG para AIGC. Propomos uma taxonomia de fundamentos, aprimoramentos e aplicações de RAG no artigo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

[ECCV 2024] Implementação oficial do artigo "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"

[ICLR'25 Oral] Alinhamento de Representação para Geração: Treinar Diffusion Transformers é mais fácil do que você pensa.

[NeurIPS 2023] ImageReward: Aprendendo e avaliando preferências humanas para geração de texto para imagem

MMaDA - Modelos de Linguagem de Difusão Multimodal de código aberto (dLLMs com difusão em bloco, CoT misto, RL unificado)

Uma lista curada de recursos sobre modelos de difusão em RL (atualizada continuamente).

[ACM MM 2025] FantasyTalking: Geração realista de retratos falantes via síntese de movimento coerente.

[ICLR'24] Implementação oficial em PyTorch do Magic123: Geração de Objetos 3D de Alta Qualidade a partir de Uma Imagem Usando Priors de Difusão 2D e 3D

Implementação oficial de "MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling"

Implementação do DiffDock: Passos de difusão, torções e voltas para acoplamento molecular

O repositório oficial de código para a segunda edição do livro da O'Reilly: Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Inpainting de alta qualidade sem necessidade de treinamento para qualquer modelo de Stable Diffusion. Suporta ComfyUI.

Timestep Embedding Tells: É hora de fazer cache para o modelo de difusão de vídeo