diffusion-models

[ECCV 2024] MOFA-Video：透過凍結的 Image-to-Video 擴散模型中的生成式運動場域適應（Motion Field Adaptations）來實現可控圖像動畫。

精選的文字轉圖片生成研究集合。

[ICLR 2025] Posterior-Mean Rectified Flow 官方實作：邁向最小 MSE 的寫實影像修復

[ICCV 2025] 論文「MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control」的官方實作。

[CVPR 2024 Highlight] DistriFusion：高解析度擴散模型的分散式平行推論

一個極簡、功能齊全的儲存庫，用於推進世界模型科學。

涵蓋生物分子結構預測與設計之深度學習工具的 Colab 筆記本

使用均值迴歸隨機微分方程式進行影像修復，ICML 2023。NTIRE 2023 影像去陰影競賽奪冠方案。

[NeurIPS 2024] 簡單且有效的遮罩擴散語言模型

[ICML 2025] 「History-Guided Video Diffusion」的官方 PyTorch 實作

AR Diffusion 影片世界模型精選列表：涵蓋演算法、應用與基礎設施，旨在為研究人員、從業者與愛好者提供全面資源。

[ECCV 2024] 使用卷積重建模型，在 10 秒內將單張影像轉換為 3D 紋理網格。

用於在 Flow-Matching 模型中輕鬆進行強化學習的統一框架

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC 論文與程式碼集合

HunyuanImage-2.1：用於高解析度 (2K) 文字轉圖像生成的高效擴散模型

Make-An-Audio (ICML'23) 文字轉語音生成模型的 PyTorch 實作

OneDiffusion 論文 (CVPR 2025) 的官方實作

[IJCV 2026] FoleyCrafter：為無聲影片賦予生動且同步的音效。AI 擬音大師，給你的無聲影片添加生動而且同步的音效 😝

Flash Diffusion — 加速條件式擴散模型（AAAI 2025 Oral）

[ICLR 2025] 無向量量化的自迴歸視訊生成

DFloat11 [NeurIPS '25]：LLMs 與 DiTs 的無損壓縮，實現高效的 GPU 推論

用於程式碼產生的開放擴散語言模型 — 發布預訓練、評估、推論與檢查點。

「Blended Latent Diffusion」[SIGGRAPH 2023] 的官方實作

OpenMusic：SOTA 文字轉音樂（TTM）生成

[CVPR'26 Highlight] Ditto：利用高品質合成資料集擴展基於指令的影片編輯

[NeurIPS 2025] 徑向注意力：用於長影片生成、具能量衰減機制的 O(nlogn) 稀疏注意力機制

[TPAMI] 論文「BrushEdit: All-In-One Image Inpainting and Editing」的官方實作

CVPR 2025 論文「SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models」官方程式碼。

VEnhancer 官方程式碼：用於影片生成的生成式時空增強技術。

EDGE (CVPR 2023) 的官方 PyTorch 實作