diffusion-models

可扩展且内存优化的扩散模型训练

[ICASSP 2024] 🍵 Matcha-TTS：具备条件式流匹配（Conditional Flow Matching）的高效 TTS 架构

[ICLR 2023 Oral] 使用去噪扩散零空间模型的零样本图像修复

FireRed-Image-Edit 是一个强大的图像编辑基础模型，达到开源的 SOTA 性能，具备精确的指令遵循、高保真生成、优异的身份一致性以及无缝的多元素融合。

[AAAI 2025]👔IMAGDressing👔：虚拟穿搭的交互式模块化服饰生成。它支持具有灵活服饰、姿势和场景控制的可定制人像生成，确保虚拟穿搭的高保真度与服饰一致性。

[TPAMI 2025🔥] MagicTime：作为变形模拟器的时移视频生成模型

📦 在 Windows 上运行 Hunyuan3D 2.0/2.1 的便携包。

Pruna 是一个为开发者打造的模型优化框架，能让你以极低的额外开销交付更快、更高效的模型。

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: 利用单步 Diffusion Models 改善 3D 重建

[CVPR2024, Highlight] DragDiffusion 的官方代码

用于文本转语音生成的扩散模型系列。

HunyuanCustom：用于定制视频生成的多模态驱动架构

基于 Flow Matching 且支持 Emoji 驱动风格控制的文本转语音模型

MeanFlow 与 iMF（单步生成式建模）的 PyTorch 实现。

Wunjo CE：面部交换、对嘴、控制移除对象与文字及背景、风格重塑、音频分离、语音复制、视频生成。开源、本地运行且免费。

[ICLR24] 论文“MagicDrive: Street View Generation with Diverse 3D Geometry Control”的官方实现

文字转图片 diffusion models 可控生成资源收集。

MOVA：迈向可扩展且同步的音视频生成

在 PyTorch 中从头实现的 Stable Diffusion

[ICLR'24 spotlight] 中英双语多模态大模型系列（对话与绘图）| 基于 CPM 基础模型的中英双语多模态大模型系列

[ECCV 2024 Oral] MotionDirector：文本到视频扩散模型的动作定制。

[ICLR 2025 Oral]「具备弹性指引的自主驾驶扩散式规划」官方实现。

[CVPR 2025 Highlight] 3DTopia-XL：通过 Primitive Diffusion 进行高质量 3D PBR 资产生成

[ICLR 2024 Spotlight] SyncDreamer：从单一视角图像生成多视角一致的图像

论文官方实现：“FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models”

NVIDIA FastGen：来自 Diffusion 模型的快速生成

[CVPR 2024] PIA，你的个性化图像动画生成器。通过文本提示词结合 Dreambooth 来让图片动起来，实现令人惊艳的视频效果。PIA，你的个性化图像动画生成器，利用文本提示将图像变为奇妙的动画。

[CVPR 2024] DeepCache：免费加速 Diffusion Models。

Diffusion Autoencoders 的官方实现

[ICLR 2026] 用于长篇故事可视化的免训练迭代框架。