diffusion-models

Huấn luyện mô hình khuếch tán có khả năng mở rộng và tối ưu hóa bộ nhớ

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

[ICLR 2023 Oral] Khôi phục hình ảnh Zero-Shot sử dụng Denoising Diffusion Null-Space Model

FireRed-Image-Edit là một mô hình nền tảng chỉnh sửa hình ảnh mạnh mẽ đạt hiệu suất tiên tiến mã nguồn mở với khả năng tuân theo chỉ dẫn chính xác, tạo sinh độ trung thực cao, tính nhất quán về danh tính vượt trội và sự kết hợp nhiều thành phần liền mạch.

[AAAI 2025]👔IMAGDressing👔: Tạo trang phục mô-đun tương tác để mặc đồ ảo. Cho phép tạo hình ảnh con người có thể tùy chỉnh với khả năng điều khiển trang phục, tư thế và bối cảnh linh hoạt, đảm bảo độ trung thực cao và tính nhất quán của trang phục cho việc thử đồ ảo.

[TPAMI 2025🔥] MagicTime: Mô hình tạo video tua nhanh thời gian như các trình mô phỏng biến hình

Gói di động để chạy Hunyuan3D 2.0/2.1 trên Windows.

Pruna là một framework tối ưu hóa mô hình được xây dựng cho các nhà phát triển, giúp bạn cung cấp các mô hình nhanh hơn, hiệu quả hơn với chi phí tối thiểu.

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: Cải thiện việc tái tạo 3D bằng mô hình khuếch tán một bước

[CVPR2024, Highlight] Mã nguồn chính thức cho DragDiffusion

Một họ mô hình khuếch tán để tạo văn bản thành âm thanh.

HunyuanCustom: Kiến trúc hướng đa phương thức dành cho việc tạo video tùy chỉnh

Mô hình chuyển văn bản thành giọng nói dựa trên Flow Matching với khả năng kiểm soát phong cách điều khiển bằng Emoji

Triển khai PyTorch của MeanFlow & iMF (mô hình hóa tạo sinh một bước).

Wunjo CE: Hoán đổi khuôn mặt, Khớp nhép môi, Xóa đối tượng & văn bản & nền điều khiển, Tái tạo phong cách, Tách âm thanh, Nhân bản giọng nói, Tạo video. Mã nguồn mở, Chạy cục bộ & Miễn phí.

[ICLR24] Triển khai chính thức của bài báo “MagicDrive: Street View Generation with Diverse 3D Geometry Control”

Bộ sưu tập tài nguyên về tạo sinh có điều khiển với các mô hình khuếch tán văn bản thành hình ảnh.

MOVA: Hướng tới Tạo video–audio có thể mở rộng và đồng bộ hóa

Stable Diffusion được triển khai hoàn toàn từ đầu bằng PyTorch

[Tiêu điểm ICLR'24] Dòng mô hình lớn đa phương thức tiếng Trung và tiếng Anh (Chat and Paint) | Dòng mô hình lớn đa phương thức song ngữ Trung-Anh dựa trên mô hình cơ sở CPM

[ECCV 2024 Oral] MotionDirector: Tùy chỉnh chuyển động của các mô hình khuếch tán Văn bản sang Video.

[ICLR 2025 Oral] Triển khai chính thức của "Diffusion-Based Planning for Autonomous Driving with Flexible Guidance"

[CVPR 2025 Highlight] 3DTopia-XL: Tạo tài sản PBR 3D chất lượng cao thông qua Primitive Diffusion

[ICLR 2024 Spotlight] SyncDreamer: Tạo hình ảnh nhất quán đa góc nhìn từ một hình ảnh đơn góc nhìn

Bản triển khai chính thức của bài báo: "FlowEdit: Chỉnh sửa dựa trên văn bản không cần đảo ngược sử dụng các mô hình Flow đã huấn luyện trước"

NVIDIA FastGen: Tạo nhanh từ các Diffusion Model

[CVPR 2024] PIA, Trình tạo ảnh động cá nhân hóa của bạn. Tạo ảnh động từ đoạn văn bản nhắc, kết hợp với Dreambooth, tạo ra các video tuyệt đẹp.

[CVPR 2024] DeepCache: Tăng tốc Diffusion Models miễn phí

Triển khai chính thức của Diffusion Autoencoders

[ICLR 2026] Khung lặp không cần huấn luyện để trực quan hóa câu chuyện dài