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

stable-diffusion-pytorch - Stable Diffusion PyTorch实现，支持自定义参数

该项目提供简洁且易于修改的Stable Diffusion PyTorch实现，支持文本生成图像与图像生成图像的操作，允许自定义生成参数、调整指导规模和选择生成步数等多种功能。依赖PyTorch、Numpy和Pillow等库，适合需要高度控制与灵活性的深度学习项目。通过Colab可以快速开始使用，并且借鉴了多个知名开源库，是学习和实践的理想资源。

HunyuanDiT-v1.2-Diffusers - 基于多分辨率扩散技术的中文图像生成模型

GithubHuggingfaceHunyuanDiT中文理解人工智能图像生成多分辨率开源项目模型

HunyuanDiT-v1.2-Diffusers是一个开源的文本到图像生成模型，基于多分辨率Diffusion Transformer架构实现中英文文本理解。模型在文本-图像一致性、AI伪影控制、主体清晰度和美学评分等维度进行了测试评估，支持长文本输入和中国文化元素理解，可用于多样化的图像生成场景。

sd-image-variations-diffusers - 基于Stable Diffusion的开源图像变体生成模型

CLIPGithubHuggingfaceStable Diffusion人工智能图像变体图像生成开源项目模型

sd-image-variations-diffusers是一个经过微调的Stable Diffusion模型，通过CLIP图像嵌入技术实现图像变体生成。该模型集成Diffusers库，可生成高质量的图像变体，主要应用于艺术创作、教育工具和AI研究等领域。模型目前已发布V2版本，相比V1版本具有更好的图像质量和相似度表现，但在生成人脸和文字方面仍存在局限性。

3D-Gaussian-Splatting-Papers - 3D高斯溅射技术论文集锦：最新研究进展与应用

3D Gaussian SplattingGithub三维重建开源项目新视角合成深度学习计算机视觉

本项目汇集了3D高斯溅射(3D Gaussian Splatting)领域的前沿研究论文，涵盖基础理论与实际应用。收录内容包括多篇综述文章和顶级会议论文，按时间倒序排列。提供论文中英文摘要和代码链接，为3D场景重建和新视角合成研究提供全面参考。

ponyDiffusion-V6-XL-Turbo-DPO - 基于Diffusers的高效文本生成图像模型

AI绘图GithubHuggingfacePony DiffusionSafetensorsText-to-Image开源项目模型深度学习模型

Pony Diffusion V6 XL Turbo DPO的Diffusers版本保留了原模型的文本到图像生成能力。该版本采用Diffusers框架，提高了处理效率和兼容性。模型支持Safetensors格式，适用于创建多样化的图像内容。这一开源项目为艺术创作和设计应用提供了有力工具。

diffusion-forcing - 创新机器学习方法结合下一步预测和全序列扩散技术

Diffusion ForcingGithub开源项目模型训练深度学习视频预测迷宫规划

Diffusion Forcing是一种结合下一步预测和全序列扩散技术的机器学习方法。该项目为视频预测、迷宫规划和时间序列分析等任务提供了框架。通过时间注意力机制，Diffusion Forcing可生成长序列预测并在复杂环境中进行规划。该方法在Minecraft和DMLab视频数据集以及迷宫规划任务中表现优异。项目包含使用说明和预训练模型，便于研究者快速上手和复现结果。

Diffusion-Low-Light - 小波扩散模型提升低光照图像质量

GithubSiggraph Asia 2023低光照图像增强小波扩散模型开源项目深度学习计算机视觉

Diffusion-Low-Light是一个发表于Siggraph Asia 2023的开源项目，提出了基于小波扩散模型的低光照图像增强方法。该方法在LOLv1、LOLv2和LSRW等多个数据集上表现优异，与现有技术相比效果显著。项目提供预训练模型、代码和详细实施指南，在保持图像细节和自然度方面表现出色，为低光照图像处理领域带来了创新解决方案。

stable-diffusion-2-1 - 高分辨率AI文本生成图像模型，支持多样化创作

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像机器学习模型深度学习

Stable Diffusion v2-1是Stability AI开发的文本到图像生成AI模型。基于潜在扩散技术，它能将文本描述转化为最高768x768分辨率的高质量图像。该模型提供多个专用变体，包括深度感知和图像修复等。主要应用于艺术创作、设计和研究领域，但存在一些局限性，如无法生成可读文本。Stable Diffusion v2-1仅供研究用途，不应用于生成有害或违法内容。

stable-diffusion-3.5-large-turbo - 高效创新的4步快速文生图AI模型

AI绘画GithubHuggingfaceStable Diffusion 3.5图像生成开源项目模型深度学习生成式AI

Stable Diffusion 3.5大型快速版是一款基于多模态扩散变换器架构的高效文生图模型。它采用对抗性扩散蒸馏技术和三个预训练文本编码器，仅需4步即可完成推理。该模型在图像质量、文本理解、字体渲染和资源效率方面均有显著提升，适用于艺术创作、教育工具和生成模型研究等领域。模型遵循严格的安全准则和使用政策，为用户提供可靠的AI图像生成解决方案。

Score-Entropy-Discrete-Diffusion - 基于数据分布比率估计的离散扩散模型

GithubPyTorch实现开源项目离散扩散模型训练代码采样策略预训练模型

Score-Entropy-Discrete-Diffusion 是一个基于 PyTorch 实现的离散扩散模型项目。它通过估计数据分布比率来生成文本，包含噪声调度、前向扩散过程、采样策略和模型架构等模块。该项目支持使用预训练模型，提供条件和非条件文本生成功能，并为离散数据生成研究提供了新思路。项目结构模块化，便于进一步研究和应用开发。

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