Diffusion-Models-Papers-Survey-Taxonomy

扩散模型的全面方法与应用概述

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

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。

Github

论文

介绍相关项目

micro_diffusion - 低成本训练大规模扩散模型的开源方案

Githubdiffusion models低成本大规模模型开源开源项目模型训练

micro_diffusion是一个开源项目，旨在提供低成本训练大规模扩散模型的方法。该项目计划发布完整训练代码和模型检查点，为研究人员和AI爱好者提供实验资源。通过降低研究门槛，micro_diffusion有望促进扩散模型领域的广泛参与和创新。

q-diffusion - 扩散模型的创新量化方法

GithubQ-Diffusion图像生成开源项目扩散模型深度学习量化

Q-Diffusion是一种针对扩散模型的后训练量化方法。它能将无条件扩散模型压缩至4位精度，同时保持接近原模型的性能。该方法通过时间步感知校准和分离捷径量化技术解决了扩散模型量化的主要难题。Q-Diffusion不仅适用于无条件图像生成，还可用于文本引导的图像生成，首次实现了4位权重下的高质量生成效果。这一技术为扩散模型的高效实现开辟了新途径。

DCR - 扩散模型数据复制研究与优化方法分析

Diffusion模型Github开源项目数据复制机器学习生成式AI计算机视觉

DCR项目聚焦扩散模型中的数据复制问题，整合了两篇重要论文的研究成果和代码。项目内容包括数据复制现象分析、缓解策略提出、模型微调指南、推理方法、评估指标计算以及数据集资源。这些研究成果为提升扩散模型的生成质量和原创性提供了重要参考。

diffusion_policy - 扩散模型驱动的机器人控制算法实现复杂任务执行

Diffusion PolicyGithub开源项目强化学习机器人控制模拟环境计算机视觉

Diffusion Policy是一种基于扩散模型的机器人控制算法，旨在高效执行复杂任务。该项目提供实验日志、预训练检查点和完整代码库，支持模拟环境和真实机器人的训练与评估。其代码结构便于添加新任务和方法，同时保持灵活性。研究人员可复现实验结果，并将算法应用于多种机器人控制场景。

swift-diffusion - Swift重新实现的Stable Diffusion模型

AI绘图GithubStable DiffusionSwift Diffusion开源项目深度学习移动设备优化

Swift重新实现的单文件Stable Diffusion模型，包含CLIP文本处理、UNet扩散和解码器等核心组件。项目致力于在移动设备上运行Stable Diffusion，通过内存优化和性能提升，实现与原始Python版本相当的效果。目前已完成主要模型移植，为移动AI应用开发提供新的可能。

diffusion-explainer - 将扩散模型的图像生成过程可视化的交互式工具

Diffusion-ExplainerGithub人机交互可视化工具开源项目机器学习

Diffusion-Explainer是一个交互式可视化工具，用于展示扩散模型的图像生成过程。该工具通过直观的界面呈现生成过程中的每个步骤，使用户能够深入了解模型的内部机制。由乔治亚理工学院和IBM研究院开发的这个开源项目，为AI研究人员和开发者提供了一个分析扩散模型的平台，并提供在线演示功能。

best_AI_papers_2023 - 2023年人工智能领域重大突破性研究概览

AIGithubdiffusion模型开源项目深度学习生成模型计算机视觉

本项目整理了2023年人工智能领域的重大突破性研究,涵盖生成式AI、机器人技术等热点方向。汇总了语音合成、图像编辑、音乐生成、视频处理、多模态语言模型等前沿技术的代表性论文,并提供视频讲解、深度分析文章和代码实现(如有)。这份精选资料展示了AI技术的最新进展,为业内人士提供了宝贵的学习参考。

flash-diffusion - 用于加速条件扩散模型的高效蒸馏技术

Flash DiffusionGithubLoRA加速技术图像生成开源项目扩散模型

Flash Diffusion是一种用于加速预训练扩散模型图像生成的蒸馏方法。该技术高效、快速、通用且兼容LoRA，在COCO数据集上实现了少步骤图像生成的先进性能。Flash Diffusion只需几小时GPU训练时间和较少可训练参数，适用于文本生成图像、图像修复、换脸和超分辨率等多种任务。它支持UNet和DiT等不同骨干网络，能够显著减少采样步骤，同时保持高质量的图像生成效果。

MultiDiffusion - 基于预训练模型的多功能可控的图像生成框架

GithubMultiDiffusion可控生成图像生成开源项目扩散模型文本到图像

MultiDiffusion 是一个统一框架，通过预训练的文字转图像扩散模型，实现多功能且可控的图像生成，无需进一步训练或微调。该框架支持用户使用各种控制信号，如纵横比和空间引导信号，生成高质量、多样化的图像。MultiDiffusion 优化了多重扩散生成过程，使用一组共享参数或约束，支持局部和全局编辑，适用于如烟雾、火焰和雪等半透明效果。

denoising-diffusion-pytorch - 生成模型新方法：Pytorch中的Denoising Diffusion

Denoising Diffusion Probabilistic ModelGithubLangevin采样Pytorch开源项目扩散模型生成建模

Denoising Diffusion Probabilistic Model在Pytorch中的实现，通过去噪得分匹配估计数据分布梯度，并使用Langevin采样生成样本。这种方法可能成为GANs的有力竞争者。项目支持多GPU训练，提供详细的安装和使用指南，是研究人员和开发者的高效工具，支持1D序列数据和图像数据的生成和训练。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com