Diffusion_models_from_scratch

完整实现扩散模型的开源框架与教程

Diffusion模型图像生成 ImageNet U-Net 预训练模型 Github 开源项目

该项目提供了一个完整的扩散模型实现框架，包含DDPM、DDIM和无分类器引导模型。项目特点包括：基于ImageNet 64x64数据集的预训练模型、详细的环境配置和数据准备指南、全面的训练和推理脚本，以及多种模型架构和优化策略。开发者可以利用此框架轻松训练自定义扩散模型或使用预训练模型生成图像。

diffseg - 基于稳定扩散的零样本图像分割方法

DiffSegGithubStable Diffusion开源项目无监督学习注意力机制零样本分割

DiffSeg是一种利用稳定扩散模型注意力信息的无监督零样本图像分割方法。这个开源项目实现了DiffSeg算法，并提供环境设置指南、运行说明和基准测试。DiffSeg在CoCo-Stuff-27和Cityscapes数据集上表现出色，为计算机视觉领域提供了新的解决方案。特别适合研究无监督学习和零样本学习的专业人士，以及需要高效、灵活图像分割方案的研究人员和开发者。

Awesome-Diffusion-Transformers - 扩散模型与Transformer融合的前沿研究进展汇总

AI生成Diffusion TransformersGithub图像合成开源项目深度学习计算机视觉

本列表汇总了扩散模型与Transformer架构结合的最新研究进展，涵盖图像、视频、语音和3D等多个领域。每个项目均包含发表时间、会议信息、任务类型和资源链接。列表持续更新，为研究者和开发者提供便捷途径跟踪这一快速发展的领域动态。

transformer_latent_diffusion - 基于 PyTorch 的 Transformer 潜在扩散文本生图模型

AI绘图GithubLatent DiffusionPyTorchTransformer图像生成开源项目

Transformer Latent Diffusion 是一个基于 PyTorch 的开源项目，实现了文本到图像的潜在扩散模型。该模型体积小、生成速度快、性能合理，可在单 GPU 上快速训练。项目代码简洁，依赖少，注重数据质量。它提供数据处理工具，支持自定义训练，并进行了多项性能优化。项目展示了 256 分辨率随机样本和 CLIP 插值等生成示例。

MedSegDiff - 创新医学图像分割框架

GithubMedSegDiff人工智能医学图像分割开源项目扩散模型深度学习

MedSegDiff是一个创新的医学图像分割框架，基于扩散概率模型(DPM)。该方法通过添加高斯噪声并学习逆向去噪过程来实现分割。利用原始图像作为条件，MedSegDiff从随机噪声生成多个分割图，并进行集成获得最终结果。这种方法能够捕捉医学图像中的不确定性，在多个基准测试中表现优异。MedSegDiff支持多种医学图像分割任务，包括皮肤黑色素瘤和脑肿瘤分割等，并提供详细使用说明和示例。

stable-diffusion-3.5-large - 多模态扩散变换器模型实现高质量图像生成

GithubHuggingfaceStable Diffusion 3.5人工智能模型多模态扩散变换器开源项目文本生成图像模型深度学习

Stable Diffusion 3.5 Large是Stability AI开发的新型文本到图像生成模型。采用多模态扩散变换器架构，改进了图像质量、排版和复杂提示理解能力。模型支持研究及部分商业用途，可通过ComfyUI、Hugging Face等多种方式使用。结合多个预训练文本编码器和QK归一化技术，在提示遵循度和图像美学质量方面表现优异。

stable-diffusion-xl-base-1.0 - 先进的AI文本转图像生成模型，实现高质量图像创作

AI绘图GithubHuggingfaceSDXLStable Diffusion开源项目扩散模型文本生成图像模型

Stable Diffusion XL 1.0基础模型是一款开源的AI文本转图像工具，采用潜在扩散技术，能根据文字描述生成高质量图像。该模型性能显著提升，适用于艺术创作、教育和研究等领域。它支持多种框架，为开发者提供灵活的应用选择。作为开源项目，它展现了AI图像生成的最新进展，不仅能创建高质量图像，还支持图像修改功能。

stable-diffusion-nvidia-docker - 基于Docker的Stable Diffusion简易部署方案

AI绘图DockerGPUGithubStable Diffusion多GPU支持开源项目

该项目为Stable Diffusion模型提供基于Docker的部署方案，适用于Ubuntu和Windows系统。通过简单的Web UI界面，用户可在GPU设备上轻松运行Stable Diffusion，支持多GPU推理、图像到图像转换和图像修复功能。项目集成了Stable Diffusion 2.0模型，为AI图像生成技术的使用提供便捷途径。

stable-diffusion-3-medium-diffusers - 先进的文本生成图像技术

AI绘图GithubHuggingfaceMMDiTStable Diffusion 3开源项目文本生成图像模型非商业用途

Stable Diffusion 3 Medium 是 Stability AI 开发的文本生成图像模型，采用多模态扩散变换器技术。该模型在图像质量、文字渲染和复杂提示理解方面表现出色，同时提高了资源使用效率。它使用三个预训练文本编码器，能够根据文本描述生成高质量图像。该模型开放非商业研究用途，并提供商业授权选项。

awesome-diffusion-model-in-rl - 扩散模型在强化学习领域的最新研究进展汇总

Diffusion ModelGithub开源项目强化学习机器人操作离线强化学习轨迹优化

本项目汇总了强化学习领域应用扩散模型的最新研究论文，涵盖离线RL、机器人控制、轨迹规划等多个方向。持续追踪并整理扩散强化学习的前沿进展，为研究人员提供全面的参考资源。每篇论文均附有概述、代码链接和实验环境等详细信息，方便读者深入了解。

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