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

daam - 解释稳定扩散模型的跨注意力归因图方法

ColabDAAMGithubHugging FacePyTorchStable Diffusion开源项目

这篇文章介绍了一种基于跨注意力机制的方法——注意力归因图（DAAM），用于解析稳定扩散模型。内容包括DAAM在命令行界面和库中的实际应用示例，以及在HuggingFace平台上的在线演示。文章展示了如何生成与单词关联的热力图，支持Stable Diffusion XL (SDXL)和Diffusers 0.21.1版本的模型。还提供了PyTorch安装指南和DAAM快速入门教程，帮助用户实现和探索模型结果。文章中还包括相关视频资源和扩展工具的链接，供用户参考。

Blind-Motion-Deblurring-Survey - 深度学习运动去模糊技术研究综述及发展趋势

Github人工智能图像处理开源项目深度学习计算机视觉运动去模糊

本项目全面回顾了深度学习在运动去模糊领域的研究进展。通过系统分析150余篇相关论文,总结了30多种盲运动去模糊算法。对当前先进方法在4个数据集上进行了对比实验,揭示了现有技术的不足,并探讨了未来发展方向。项目还收录了CVPR 2024最新去模糊研究成果,为该领域研究人员提供了重要参考。

x-stable-diffusion - Stable Diffusion 模型的加速技术的汇编

GithubStable DiffusionStochastic.ai优化图片生成开源项目部署

该项目包含多种加速Stable Diffusion模型的技术，旨在更高效生成图像并节省资源。通过示例图像和详细的基准测试，用户可以轻松选择最佳技术。借助stochasticx命令行工具，用户可以快速在本地部署模型。项目还支持在Google Colab上运行，提供包括AITemplate、nvFuser、FlashAttention和TensorRT在内的多种优化工具。

InstanceDiffusion - 实现精确实例级图像生成控制的突破性方法

GithubInstanceDiffusion图像生成实例级控制开源项目文本到图像条件生成

InstanceDiffusion为文本到图像的扩散模型引入精确的实例级控制。该技术支持每个实例的自由语言条件，可灵活指定实例位置，包括单点、涂鸦、边界框和实例分割掩码。相比现有技术，InstanceDiffusion在框输入的AP50上提升2.0倍，掩码输入的IoU提高1.7倍，为图像生成和编辑领域带来新的可能性。

PAIR-Diffusion - 多模态对象级图像编辑的开源解决方案

GithubPAIR Diffusion图像编辑多模态对象级别开源项目扩散模型

PAIR-Diffusion是一个开源的多模态对象级图像编辑器。它支持外观编辑、形状修改、对象添加和变体生成等功能，可通过参考图像和文本进行控制。该项目基于PyTorch开发，兼容各种扩散模型。PAIR-Diffusion在SDv1.5上实现，并使用COCO-Stuff数据集微调。这个工具为对象级图像编辑提供了灵活精确的解决方案。

AingDiffusion9.2 - 通过文本生成高清晰度图像

AI绘图GithubHugging FaceHuggingfacestable-diffusion图像生成开源项目模型高质量图像

该项目利用稳定扩散原理和先进的扩散器技术，以生成超逼真的高细节图像。产生图像具备锐利的焦点和鲜艳的色彩，从而流畅映射文本描述。探索AI与视觉创意的交汇，体验创新与实践在生成3D电影级图像中的应用。

blended-latent-diffusion - 快速高精度的局部文本引导图像编辑技术

Blended Latent DiffusionGithubSIGGRAPH 2023图像生成开源项目扩散模型文本驱动编辑

Blended Latent Diffusion是一种创新的局部文本引导图像编辑技术。该方法在低维潜在空间中操作，显著提高了编辑效率。通过融合扩散技术和优化策略，它解决了图像重建精度问题，并支持细微区域的局部编辑。与现有方法相比，Blended Latent Diffusion不仅处理速度更快，还实现了更高的编辑精度，同时减少了常见的图像伪影。该技术可应用于背景编辑、文本生成和对象修改等多个领域。

Collaborative-Diffusion - 多模态控制的面部生成与编辑，协作扩散模型

CVPR 2023Collaborative DiffusionGithubMMLab@NTU多模态脸部生成开源项目脸部编辑

Collaborative Diffusion项目展示了如何通过多模态控制生成和编辑面部图像，保证生成结果与输入条件一致。该项目使用动态扩散器在每一步选择性处理不同模态，确保身份信息的准确性。最新更新包括对FreeU的支持、单模态面部生成推理脚本，以及适用于不同分辨率的模型训练和推理代码，满足多样化应用需求。

stable-diffusion-v1-4 - 先进的AI文本转图像模型

GithubHuggingfaceStable Diffusion人工智能开源项目扩散模型文本生成图像模型深度学习

Stable Diffusion v1-4是一个基于潜在扩散技术的AI模型,能将文本描述转化为高质量图像。它结合自动编码器和CLIP文本编码器,在大规模数据集上训练,可生成多样化的写实和艺术风格图像。该模型为研究人员和创意工作者提供了新的视觉创作工具,开启了AI辅助艺术创作的可能性。但值得注意的是,模型存在一些局限性,如无法生成可读文本,且在复杂组合任务上表现不佳。

cycle-diffusion - 零样本图像翻译与无配对图片转换的扩散模型方法

CycleDiffusionGithubHuggingFacePyTorch开源项目扩散模型零样本图像编辑

该项目展示了如何正规化扩散模型中的随机种子，并实现零样本图像到图像翻译和指导。CycleDiffusion方法无需配对图像，利用稳定扩散等模型实现图像翻译。项目还提供详细的安装和使用指南，包括依赖项、预训练模型和评估数据等内容，通过这些工具可提高生成图像的质量和一致性。

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。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com