diffusion-models

[ECCV 2024] MOFA-Video: Hoạt ảnh hình ảnh có thể kiểm soát thông qua các thích ứng trường chuyển động tạo sinh trong mô hình Image-to-Video Diffusion đã được đóng băng.

Bộ sưu tập các nghiên cứu ấn tượng về tạo ảnh từ văn bản

[ICLR 2025] Triển khai chính thức của Posterior-Mean Rectified Flow: Hướng tới khôi phục hình ảnh chân thực với MSE tối thiểu

Một kho lưu trữ tối giản, đầy đủ tiện ích để thúc đẩy khoa học về mô hình thế giới (World Model).

[ICCV 2025] Triển khai chính thức của bài báo “MagicDrive-V2: Tạo video dài độ phân giải cao cho lái xe tự động với điều khiển thích ứng”

[CVPR 2024 Highlight] DistriFusion: Suy luận song song phân tán cho các mô hình khuếch tán độ phân giải cao.

Các Colab Notebook bao gồm các công cụ học sâu để dự đoán và thiết kế cấu trúc phân tử sinh học

Phục hồi hình ảnh bằng phương trình vi phân ngẫu nhiên đảo ngược trung bình (Mean-Reverting SDE), ICML 2023. Giải pháp chiến thắng cuộc thi NTIRE 2023 về loại bỏ bóng đổ trên ảnh.

[NeurIPS 2024] Mô hình ngôn ngữ khuếch tán có che (Masked Diffusion Language Model) đơn giản và hiệu quả

[ICML 2025] Triển khai PyTorch chính thức cho "History-Guided Video Diffusion"

Danh sách tổng hợp các Video World Models với AR Diffusion: Bao gồm thuật toán, ứng dụng và cơ sở hạ tầng, nhằm phục vụ như một tài nguyên toàn diện cho các nhà nghiên cứu, chuyên gia và người đam mê.

[ECCV 2024] Chuyển đổi ảnh đơn sang lưới 3D có kết cấu trong 10 giây với Mô hình tái tạo tích chập.

Một khung thống nhất giúp học tăng cường dễ dàng trong các mô hình Flow-Matching

Bộ sưu tập các bài báo và mã nguồn cho AIGC tại CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024

HunyuanImage-2.1: Mô hình khuếch tán hiệu quả cho việc tạo văn bản thành hình ảnh độ phân giải cao (2K)

Triển khai PyTorch của Make-An-Audio (ICML'23) với mô hình tạo văn bản thành âm thanh (Text-to-Audio)

Triển khai chính thức của bài báo OneDiffusion (CVPR 2025)

Flash Diffusion — tăng tốc các mô hình khuếch tán có điều kiện (AAAI 2025 Oral)

[IJCV 2026] FoleyCrafter: Thổi hồn vào video câm bằng âm thanh sống động và đồng bộ

[ICLR 2025] Tạo video tự hồi quy không cần lượng tử hóa vector

DFloat11 [NeurIPS '25]: Nén không mất dữ liệu cho LLM và DiT để suy luận GPU hiệu quả.

Mô hình ngôn ngữ khuếch tán mở cho việc tạo mã — phát hành tiền huấn luyện, đánh giá, suy luận và các checkpoint.

Triển khai chính thức cho "Blended Latent Diffusion" [SIGGRAPH 2023].

OpenMusic: Công nghệ tạo văn bản thành âm nhạc (TTM) hiện đại nhất (SOTA).

[CVPR'26 Highlight] Ditto: Mở rộng quy mô chỉnh sửa video dựa trên hướng dẫn với tập dữ liệu tổng hợp chất lượng cao

[NeurIPS 2025] Radial Attention: Cơ chế chú ý thưa O(nlogn) với sự suy giảm năng lượng cho tạo video dài

[TPAMI] Triển khai chính thức của bài báo "BrushEdit: Chỉnh sửa và tô màu ảnh tất cả trong một"

Mã nguồn chính thức cho bài báo CVPR 2025 "SemanticDraw: Hướng tới sáng tạo nội dung tương tác thời gian thực từ các mô hình khuếch tán hình ảnh"

Mã nguồn chính thức của VEnhancer: Tăng cường không gian-thời gian tạo sinh cho tạo video

Triển khai chính thức PyTorch của EDGE (CVPR 2023)