diffusion-models

Treinamento escalável e otimizado em memória de modelos de difusão.

[ICASSP 2024] 🍵 Matcha-TTS: Uma arquitetura de TTS rápida com conditional flow matching

[ICLR 2023 Oral] Restauração de imagem Zero-Shot usando Denoising Diffusion Null-Space Model.

FireRed-Image-Edit é um poderoso modelo base de edição de imagem que alcança desempenho de ponta de código aberto com seguimento preciso de instruções, geração de alta fidelidade, consistência de identidade superior e fusão perfeita de múltiplos elementos.

[AAAI 2025] 👔IMAGDressing👔: Geração Modular e Interativa de Vestuário para Provador Virtual. Permite a geração de imagens humanas personalizáveis com controle flexível de roupas, poses e cenas, garantindo alta fidelidade e consistência das peças para provadores virtuais.

[TPAMI 2025🔥] MagicTime: Modelos de geração de vídeo time-lapse como simuladores metamórficos.

Pacote portátil para executar o Hunyuan3D 2.0/2.1 no Windows.

Pruna é um framework de otimização de modelos criado para desenvolvedores, permitindo entregar modelos mais rápidos e eficientes com o mínimo de sobrecarga.

[CVPR 2025 Oral & Finalista de Melhor Artigo] Difix3D+: Melhorando reconstruções 3D com modelos de difusão de passo único.

[CVPR2024, Highlight] Código oficial para o DragDiffusion

Uma família de modelos de difusão para geração de texto para áudio.

Um modelo de conversão de texto em fala baseado em Flow Matching com controle de estilo via emoji

HunyuanCustom: Uma arquitetura multimodal para geração de vídeo personalizada.

Implementação em PyTorch de MeanFlow e iMF (modelagem generativa de passo único).

Wunjo CE: Troca de rosto, sincronia labial, remoção de objetos, texto e fundo, reestilização, separador de áudio, clonagem de voz, geração de vídeo. Código aberto, local e gratuito.

[ICLR24] Implementação oficial do artigo “MagicDrive: Street View Generation with Diverse 3D Geometry Control”

Uma coleção de recursos sobre geração controlável com modelos de difusão text-to-image.

MOVA: rumo à geração de vídeo e áudio escalável e sincronizada.

Stable Diffusion implementado do zero em PyTorch

[Destaque ICLR'24] Séries de Modelos Grandes Multimodais em Chinês e Inglês (Chat e Paint) | Baseado no modelo base CPM, série de grandes modelos multimodais bilíngues em chinês e inglês

[ECCV 2024 Oral] MotionDirector: Personalização de movimento para modelos de difusão de texto para vídeo.

[ICLR 2025 Oral] A implementação oficial de "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance".

[CVPR 2025 Highlight] 3DTopia-XL: Geração de ativos PBR 3D de alta qualidade via Primitive Diffusion

[ICLR 2024 Spotlight] SyncDreamer: Geração de imagens consistentes de múltiplas vistas a partir de uma imagem de vista única

Implementação oficial do artigo: "FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models"

NVIDIA FastGen: Geração rápida a partir de modelos de difusão

[CVPR 2024] PIA, seu animador de imagens personalizado. Anime suas imagens por meio de comandos de texto, combinando com Dreambooth, alcançando vídeos impressionantes.

[CVPR 2024] DeepCache: Acelerando Modelos de Difusão Gratuitamente

Implementação oficial de Diffusion Autoencoders

[ICLR 2026] Framework iterativo sem treinamento para visualização de histórias longas