懂AI
Diffusion-Models-Papers-Survey-Taxonomy

Diffusion-Models-Papers-Survey-Taxonomy

扩散模型的全面方法与应用概述

本文系统梳理了扩散模型的最新进展，涵盖算法和应用分类，包括计算机视觉、自然语言处理及医疗图像重建等领域。项目持续更新，整合最新研究成果。读者将收获从无监督学习到高分辨率图像生成及多模态学习的丰富知识，掌握这一前沿技术。

Diffusion ModelsACM Computing Surveys算法分类计算机视觉自然语言处理Github开源项目
GitHub论文

Diffusion-Models-Papers-Survey-Taxonomy 项目简介

项目概述

Diffusion-Models-Papers-Survey-Taxonomy 项目专注于收集和分类扩散模型领域的学术论文，基于已被 ACM Computing Surveys 接受的综述论文《扩散模型：方法与应用的全面综述》展开。由于该领域发展迅速，项目计划持续更新相关论文及汇总资料。

项目以提供扩散模型方法和应用的全面视角为目标，通过分类和调查最新的研究成果，为研究人员和行业从业者提供参考。

分类目录

算法分类

  1. 采样加速增强

    • 无监督采样：包括 SDE 求解器和 ODE 求解器的方法。
    • 基于学习的采样：使用优化离散化、知识蒸馏、截断扩散等技术。

  2. 似然最大化增强

    • 噪声调度优化、逆方差学习、精确似然计算等。

  3. 特殊结构数据

    • 处理具有流形结构、不变结构及离散数据的技术。

  4. 多模态大模型与扩散结合

    • 包括简单组合和深度协作的方法。

应用分类

  • 计算机视觉

    • 涉及图像超分辨率、修复和翻译，语义分割，视频生成，3D生成，异常检测和目标检测。

  • 自然语言处理

    • 包括文本生成和离散状态空间中的噪声消除扩散模型。

  • 时间序列数据建模

    • 时间序列插补和预测，波形信号处理等。

  • 多模态学习

    • 从文本到图像、3D、音频、动作、视频的生成和编辑。

  • 鲁棒学习

    • 数据净化及通过生成合成数据来提升鲁棒性的学习。

  • 分子图建模

    • 涉及分子构象生成及3D形状预测等。

  • 材料设计

    • 包括周期性材料生成及专有抗体设计。

  • 医学图像重建

    • 利用扩散模型解决医学成像中的逆问题，如MRI的加速重建。

与其他生成模型的联系

该项目也探讨了扩散模型与其他生成模型（如变分自编码器、生成对抗网络、归一化流、自动回归模型、能量模型）的关联，探索其在生成领域的不同优势与应用场景。

项目更新与未来发展

项目团队将持续跟踪扩散模型领域的最新研究进展，不断更新和完善分类及相关资料，为研究人员提供一站式的学术资源库。同时，该项目也欢迎社区成员的积极参与与反馈，共同推动技术的进步和应用的广泛落地。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多