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

SurfD - 利用扩散模型生成任意拓扑结构的高质量3D表面

3D建模GithubSurf-D开源项目扩散模型深度学习表面生成

Surf-D是一种新型3D形状生成方法，通过扩散模型生成具有任意拓扑结构的高质量表面。它采用无符号距离场(UDF)表示表面，并使用基于点的自动编码器学习紧凑的潜在空间。该方法在无条件生成、类别条件生成、图像条件生成和文本到形状等任务中表现优异，为多模态3D内容创作提供了新的可能性。

Awesome-Chinese-Stable-Diffusion - 综合中文Stable Diffusion资源集锦模型应用数据集教程

AI绘画GithubStable Diffusion中文模型开源开源项目文生图

这个项目汇集了丰富的中文Stable Diffusion资源，涵盖开源模型、应用、数据集和教程。收录了10多个开源中文文生图模型，包括SkyPaint、Pai-Diffusion、Taiyi等重要模型，以及阿里云、达摩院等机构的相关成果。覆盖通用领域和特定场景如古诗配图、二次元动漫等。旨在为中文社区提供全面的SD资源，推动AI艺术创作与研究的发展。项目内容不断更新，欢迎社区参与贡献。

Awesome-Video-Diffusion - 人工智能视频生成与编辑技术资源大全

AI视频Github开源项目扩散模型文本到视频视频生成视频编辑

本文汇集了视频生成、编辑、修复和理解领域的最新扩散模型研究。内容包括开源工具箱、基础模型、评估基准和指标等。涵盖基础视频生成、可控生成、长视频生成、3D视频生成等多个方向，为视频AI技术研究和开发提供全面参考。

Diffusion4D - 视频扩散模型实现快速生成时空一致4D内容

3D转4D4D生成Diffusion4DGithub大规模动态3D数据集开源项目视频扩散模型

Diffusion4D是一个基于视频扩散模型的开源项目，专注于生成时空一致的4D内容。该项目整合了大规模动态3D数据集、先进渲染技术和扩散模型，实现了图像、文本和3D模型到4D内容的转换。项目提供了数据集准备指南和渲染脚本，为计算机视觉和图形学研究提供了有价值的资源。Diffusion4D在4D内容生成领域展现了新的可能性，对相关技术发展具有推动作用。

DragDiffusion - 基于扩散模型的交互式图像编辑工具

DragDiffusionGithub交互式人工智能图像编辑开源项目扩散模型

DragDiffusion结合扩散模型和交互式编辑，允许用户通过拖拽操作修改图像。支持真实和生成图像编辑，集成LoRA训练、自定义VAE和FreeU技术，提高编辑质量和效率。这个研究项目为图像处理提供了新的方法和工具。

DiG - 基于门控线性注意力的高效可扩展扩散模型

DiGDiffusion ModelsGated Linear AttentionGithub图像生成开源项目深度学习

DiG项目提出了一种基于门控线性注意力的扩散模型,用于解决现有模型在可扩展性和计算效率方面的挑战。该模型在高分辨率下展现出显著的训练速度提升和内存节省,性能优于DiT。DiG在不同计算复杂度下表现出色,随着模型深度/宽度增加或输入令牌增强,FID值持续下降。与其他次二次时间复杂度的扩散模型相比,DiG在多种分辨率下都展现出卓越的效率。

blended-diffusion - 使用自然语言进行图像局部编辑的工具

Blended DiffusionCLIPDDPMGithub图像编辑开源项目自然语言描述

Blended Diffusion 是一种利用自然语言和ROI掩模进行图像局部编辑的工具。结合了CLIP预训练语言-图像模型和DDPM去噪扩散模型，实现了高效的自然图像编辑。它可以保持背景完整，并无缝融合编辑区域，减少对抗性结果。功能包括新增物体、移除/替换/改变现有物体、背景替换和图像外推。相关代码和模型已开放下载，供用户探索。

LLM-groundedDiffusion - 优化文本到图像合成的提示理解能力

GPT-4GithubHuggingFaceLLM-grounded DiffusionStable DiffusionTMLR开源项目

本项目通过将大型语言模型（LLM）与文本到图像扩散模型结合，提高了提示理解能力。LLM负责解析文本请求，生成中间表示如图像布局，最终通过稳定扩散模型生成高质量图像。项目支持多种生成方法和开源模型，用户可自行设置实现自托管，从而节约API调用成本。项目更新频繁，包括支持高分辨率生成和集成SDXL精炼器等功能。

MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架

GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习

MS-Diffusion是一个多主体零样本图像个性化框架，利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度，并引入多主体交叉注意力机制协调主体组合。实验显示，MS-Diffusion在图像和文本保真度方面表现优异，有助于推进个性化文本到图像生成技术的发展。

stable-diffusion-v1-5 - 文本到图像生成的多平台兼容潜在扩散模型

AI绘图GithubHuggingfaceStable Diffusion开源项目文本到图像模型生成对抗网络生成艺术

Stable Diffusion v1-5 是一个使用潜在扩散技术的文本到图像生成模型，可生成高逼真度的图像。该模型经过多次优化与微调，兼容Diffusers库及多种用户界面，强调安全性并配备NSFW检查器，适用于研究、艺术创作及设计领域。此模型针对不同GPU环境设计，具有高效的生成性能。

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