diffusion-models

按子領域分類的擴散模型論文集

透過隨機微分方程式進行基於分數的生成式建模之 PyTorch 實作（ICLR 2021, Oral）

Helios：真正的即時長影片生成模型

醫學影像中的擴散模型（發表於 Medical Image Analysis 期刊）

[NeurIPS 2025] 影像編輯只需要一個 LoRA！用 0.1% 的訓練資料就能進行神奇的影像編輯！在 ID 保持能力上超越 GPT-4o～MoE 檢查點已釋出！只需 4GB VRAM 即可執行！

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是一種在擴散世界模型中訓練的強化學習代理程式。NeurIPS 2024 Spotlight。

Zero123++ 的程式碼庫：單張圖片轉一致性多視角擴散基礎模型。

大型模型安全、防護與隱私的閱讀清單（包含 Awesome LLM Security, Safety 等）。

Custom Diffusion：文字轉圖片擴散模型的多概念客製化 (CVPR 2023)

[ICLR & NeurIPS 2025] Show-o 系列儲存庫，統一多模態理解與生成的單一 Transformer。

自迴歸模型打敗 Diffusion：用於可擴展影像生成的 🦙 Llama

OneDiff：一個用於擴散模型的開箱即用加速庫。

[ICCV 2023] Make-It-3D：利用擴散先驗從單張圖像進行高保真 3D 創作

「DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps」官方程式碼（Neurips 2022 Oral）

HunyuanVideo-I2V：基於 HunyuanVideo 的可自訂圖生影片模型

[ICLR 2025] CatVTON 是一個簡單且高效的虛擬試穿 Diffusion Model，具備 1) 輕量化網路（總參數僅 899.06M）、2) 參數高效訓練（可訓練參數 49.57M）以及 3) 簡化推理（1024X768 解析度只需 < 8G VRAM）

[CVPR 2026] 邁向即時基於擴散模型的串流視訊超解析度 — 針對串流 VSR 的高效一步擴散框架，採用區域受限稀疏注意力和微型條件解碼器。

收集 AIGC 領域 RAG 的精選論文。我們在論文「Retrieval-Augmented Generation for AI-Generated Content: A Survey」中提出了 RAG 基礎、增強與應用的分類法。

[ECCV 2024] 論文「BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion」官方實作

[ICLR'25 Oral] 世代的表徵對齊：訓練 Diffusion Transformers 比想像中更容易

[NeurIPS 2023] ImageReward：學習與評估文字轉圖像生成的人類偏好

MMaDA - 開源多模態大型擴散語言模型（具備區塊擴散、混合思維鏈與統一強化學習的 dLLM）

強化學習中擴散模型（Diffusion Model）資源精選列表（持續更新）。

[ACM MM 2025] FantasyTalking：透過一致性動作合成生成逼真的對話肖像

[ICLR'24] Magic123 官方 PyTorch 實作：結合 2D 與 3D Diffusion Prior 實現由單張圖片生成高品質 3D 物件

「MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling」官方實作

DiffDock 的實作：用於分子對接的擴散步驟、扭轉與旋轉

O'Reilly 書籍《Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play》第二版的官方程式碼庫。

適用於所有 Stable Diffusion 模型的高品質免訓練 Inpaint。支援 ComfyUI

時間步嵌入揭示：是時候為影片擴散模型進行快取了