diffusion-models

[ICLR 2026] 用于长篇故事可视化的免训练迭代框架。

[ECCV 2026] Skyfall-GS：从卫星影像合成沉浸式 3D 城市场景

基于扩散模型的图像处理总结，包含修复、增强、编码与质量评估

[ICML 2026]“Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation”与 Causal Forcing++ 的官方代码库

ODISE 的官方 PyTorch 实现：基于 Text-to-Image Diffusion Models 的开放词汇全景分割 [CVPR 2023 Highlight]

MindSpore + 🤗Huggingface：在 MindSpore 上运行任何 Transformers/Diffusers 模型，具备无缝兼容性与加速功能。

关于扩散模型的关键论文与博客总结，以便学习该主题。包含所有已发布扩散机器人论文的详细清单。

展示多个使用 Diffusers 的实时扩散模型管线的应用程序

开源的 SOTA 多图编辑模型

论文「MiniGPT-5: Interleaved Vision-and-Language Generation via Generative Vokens」的官方实现

先进世界模型的统一代码库

将 Gaussian Splatting 烘焙至 Diffusion Denoiser 中，以实现快速且可扩展的单阶段 Image-to-3D 生成与重建 (ICCV 2025)

[CVPR 2025 Highlight🔥] 基于频率分解的保持身份文本转视频生成

Instruct-NeRF2NeRF：通过指令编辑 3D 场景 (ICCV 2023)

近期 AI 会议与期刊中关于神经网络量化的论文清单。

[ICLR'23] DiffuSeq：使用扩散模型的序列到序列文本生成

“MeshDiffusion: Score-based Generative 3D Mesh Modeling”（ICLR 2023 Spotlight）的官方实现

[CVPR 2024] GaussianDreamer：通过串接 2D 与 3D 扩散模型从文本快速生成 3D 高斯模型

“RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers”(ICML 2025)、UltraViCo (ICLR 2026) 与 UltraImage 的官方实现

受 awesome-computer-vision 启发，精选大模型（即 LLM/VLM）时代下与机器人领域相关的 3D 视觉论文清单，包含论文、代码及相关网站

[ICLR 2024] 控制视觉语言模型以实现通用图像修复。荣获 NTIRE 2024 野外通用图像修复挑战赛（Restore Any Image Model in the Wild Challenge）第五名。

[CVPR 2024] Paint3D：使用无光照纹理扩散模型彩绘任何 3D 物件，这是一个无光照烘焙纹理生成模型

DeepInverse：一个使用深度学习来解决图像反演问题的 PyTorch 库

使用新的 Hugging Face diffusers 套件应用 diffusion 模型来合成音乐而非图像。

用于训练扩散模型并从中进行采样的简单且易读的代码

精选的视频生成研究集合。

LLM、MLLM 及其他领域的模型合并：方法、理论、应用与机会。ACM Computing Surveys, 2026。

[ICML 2024] MagicPose (也称 MagicDance)：具备身份感知能力的 Diffusion 实现真实人类姿态与面部表情重定向

[NeurIPS'23] 来自 Image Diffusion 的涌现对应

「Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models」的官方实现 (SIGGRAPH 2023)