diffusion-model

DiffSinger: Tổng hợp giọng hát qua cơ chế khuếch tán nông (SVS & TTS); AAAI 2022; Mã nguồn chính thức

Lumina-T2X là một framework thống nhất dành cho việc tạo Text to Any Modality

Bộ sưu tập các bài báo về mô hình khuếch tán được phân loại theo các tiểu vùng của chúng.

Helios: Mô hình tạo video dài thời gian thực thực sự

Camera ảo ổn định: Tổng hợp góc nhìn tạo sinh với Diffusion Models

Danh sách tổng hợp các tài nguyên về Diffusion Model trong RL (được cập nhật liên tục)

[ICASSP 2024] 🍵 Matcha-TTS: Kiến trúc TTS nhanh với conditional flow matching

Mã nguồn chính thức của Motus: A Unified Latent Action World Model

MotionDiffuse: Tạo chuyển động người dựa trên văn bản với mô hình khuếch tán

[ICLR 2024] SEINE: Mô hình khuếch tán video từ ngắn đến dài cho chuyển đổi và dự đoán tạo sinh.

[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Triển khai chính thức)

Mã nguồn đơn giản và dễ đọc để huấn luyện và lấy mẫu từ các mô hình khuếch tán (diffusion models).

[AAAI 2025, Oral] DepthFM: Ước tính độ sâu đơn mắt nhanh với Flow Matching

[ICML2025, NeurIPS2025 Spotlight] Sparse VideoGen 1 & 2: Tăng tốc Video Diffusion Transformers với Sparse Attention.

Generative World Renderer: một trình kết xuất gốc AI dành cho trò chơi và thế giới ảo.

Dự án này là bản triển khai chính thức của 'Diffir: Efficient diffusion model for image restoration', ICCV2023.

Kho lưu trữ các bài báo liên quan đến Diffusion-Model trong thị giác máy tính cấp thấp

[ECCV 2026] Hướng tới việc tiền huấn luyện có khả năng mở rộng cho các Visual Tokenizer phục vụ tạo sinh

[SIGGRAPH Asia 2024] ReVersion: Đảo ngược quan hệ dựa trên khuếch tán từ hình ảnh