diffusion-models

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

Triển khai PyTorch cho Mô hình tạo sinh dựa trên điểm thông qua Phương trình vi phân ngẫu nhiên (ICLR 2021, Oral)

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

Mô hình khuếch tán trong chẩn đoán hình ảnh y tế (Được xuất bản trên tạp chí Medical Image Analysis)

[NeurIPS 2025] Chỉnh sửa ảnh chỉ đáng giá một LoRA duy nhất! 0.1% dữ liệu huấn luyện cho việc chỉnh sửa ảnh tuyệt vời! Vượt qua GPT-4o về độ duy trì ID~ Đã phát hành MoE ckpt! Chỉ cần 4GB VRAM để chạy!

DIAMOND (DIffusion As a Model Of eNvironment Dreams) là một tác nhân học tăng cường được huấn luyện dựa trên mô hình thế giới khuếch tán. NeurIPS 2024 Spotlight.

Kho lưu trữ mã nguồn cho Zero123++: Mô hình cơ sở Diffusion từ một ảnh đơn sang nhiều góc nhìn nhất quán.

Danh sách tài liệu đọc về tính an toàn, bảo mật và quyền riêng tư của mô hình lớn (bao gồm Awesome LLM Security, Safety, v.v.).

Custom Diffusion: Tùy chỉnh đa khái niệm cho mô hình khuếch tán văn bản thành hình ảnh (CVPR 2023)

[ICLR & NeurIPS 2025] Kho lưu trữ cho dòng Show-o, một Transformer duy nhất hợp nhất việc hiểu và tạo đa phương thức.

Mô hình tự hồi quy đánh bại Diffusion: 🦙 Llama cho tạo ảnh có thể mở rộng

OneDiff: Thư viện tăng tốc sẵn sàng sử dụng cho các mô hình diffusion.

[ICCV 2023] Make-It-3D: Tạo 3D độ trung thực cao từ một hình ảnh duy nhất với Diffusion Prior

Mã nguồn chính thức cho "DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps" (Neurips 2022 Oral)

HunyuanVideo-I2V: Mô hình chuyển đổi hình ảnh thành video có thể tùy chỉnh dựa trên HunyuanVideo

[ICLR 2025] CatVTON là một mô hình khuếch tán thử đồ ảo đơn giản và hiệu quả với 1) Mạng nhẹ (tổng cộng 899,06M tham số), 2) Đào tạo hiệu quả về tham số (49,57M tham số có thể đào tạo) và 3) Suy luận đơn giản (< 8G VRAM cho độ phân giải 1024X768).

[CVPR 2026] Hướng tới siêu phân giải video trực tuyến dựa trên khuếch tán thời gian thực — Khung khuếch tán một bước hiệu quả dành cho VSR trực tuyến với cơ chế chú ý thưa thớt bị giới hạn cục bộ và bộ giải mã có điều kiện nhỏ gọn.

Tổng hợp các bài báo tuyệt vời về RAG cho AIGC. Chúng tôi đề xuất một phân loại về nền tảng, cải tiến và ứng dụng RAG trong bài báo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

[ECCV 2024] Mã nguồn chính thức của bài báo "BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion"

[ICLR'25 Oral] Căn chỉnh biểu diễn cho việc tạo: Huấn luyện Diffusion Transformers dễ hơn bạn nghĩ

[NeurIPS 2023] ImageReward: Học và Đánh giá Sở thích của Con người đối với Tạo ảnh từ văn bản

MMaDA - Mô hình ngôn ngữ khuếch đại lớn đa phương thức mã nguồn mở (dLLM với khuếch đại khối, mixed-CoT, RL thống nhất)

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

[ACM MM 2025] FantasyTalking: Tạo chân dung nói chuyện chân thực thông qua tổng hợp chuyển động mạch lạc

[ICLR'24] Mã nguồn triển khai chính thức trên PyTorch của Magic123: Tạo đối tượng 3D chất lượng cao từ một ảnh duy nhất sử dụng tiền nghiệm khuếch tán 2D và 3D

Bản cài đặt chính thức của "MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling"

Triển khai DiffDock: Các bước khuếch tán, xoắn và chuyển hướng cho Molecular Docking.

Kho mã nguồn chính thức cho ấn bản thứ hai của cuốn sách O'Reilly: Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play.

Inpaint chất lượng cao không cần huấn luyện cho mọi mô hình stable diffusion. Hỗ trợ ComfyUI

Timestep Embedding Tells: Đã đến lúc lưu bộ nhớ đệm cho Video Diffusion Model