diffusion-models

按子领域分类的扩散模型论文集

通过随机微分方程进行基于分数的生成式建模的 PyTorch 实现（ICLR 2021, Oral）

Helios：真正的实时长视频生成模型

医学影像中的扩散模型（发表于 Medical Image Analysis 期刊）

[NeurIPS 2025] 图像编辑只需要一个 LoRA！用 0.1% 的训练数据就能进行神奇的图像编辑！在 ID 保持能力上超越 GPT-4o～MoE 检查点已发布！只需 4GB VRAM 即可运行！

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是一种在扩散世界模型中训练的强化学习智能体。NeurIPS 2024 Spotlight。

Zero123++ 的代码库：单张图片转一致性多视角扩散基础模型。

大型模型安全、防护与隐私的阅读清单（包含 Awesome LLM Security, Safety 等）。

Custom Diffusion：文本到图像扩散模型的多概念定制 (CVPR 2023)

[ICLR & NeurIPS 2025] Show-o 系列存储库，统一多模态理解与生成的单一 Transformer。

自回归模型打败 Diffusion：用于可扩展图像生成的 🦙 Llama

OneDiff：一个用于扩散模型的开箱即用加速库。

[ICCV 2023] Make-It-3D：利用扩散先验从单张图像进行高保真 3D 创作

“DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps”官方代码（Neurips 2022 Oral）

HunyuanVideo-I2V：基于 HunyuanVideo 的可定制图生视频模型

[ICLR 2025] CatVTON 是一个简单且高效的虚拟试穿 Diffusion Model，具备 1) 轻量化网络（总参数仅 899.06M）、2) 参数高效训练（可训练参数 49.57M）以及 3) 简化推理（1024X768 分辨率只需 < 8G VRAM）

[CVPR 2026] 迈向实时基于扩散模型的流式视频超分辨率 — 针对流式 VSR 的高效一步扩散框架，采用区域受限稀疏注意力和微型条件解码器。

收集 AIGC 领域 RAG 的精选论文。我们在论文“Retrieval-Augmented Generation for AI-Generated Content: A Survey”中提出了 RAG 基础、增强与应用的分类法。

[ECCV 2024] 论文“BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion”官方实现

[ICLR'25 Oral] 生成的表征对齐：训练 Diffusion Transformers 比想象中更容易

[NeurIPS 2023] ImageReward：学习与评估文本到图像生成的人类偏好

MMaDA - 开源多模态大型扩散语言模型（具备块扩散、混合思维链与统一强化学习的 dLLM）

强化学习中扩散模型（Diffusion Model）资源精选列表（持续更新）。

[ACM MM 2025] FantasyTalking：通过一致性动作合成生成逼真的对话肖像

[ICLR'24] Magic123 官方 PyTorch 实现：结合 2D 与 3D Diffusion Prior 实现由单张图片生成高质量 3D 物件

「MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling」官方实现

DiffDock 的实现：用于分子对接的扩散步骤、扭转与旋转

O'Reilly 书籍《Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play》第二版的官方代码库。

适用于所有 Stable Diffusion 模型的高质量免训练 Inpaint。支持 ComfyUI

时间步嵌入揭示：是时候为视频扩散模型进行缓存了