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。

stable-diffusion-3-tiny-random - 精简版Stable Diffusion 3模型助力AI开发调试与实验

DiffusersGithubHuggingfacestable-diffusion-3图像生成开源项目模型模型调试深度学习

stable-diffusion-3-tiny-random是基于Stable Diffusion 3的精简版模型，专为AI开发调试和快速实验设计。该项目采用小型模型结构和随机初始化参数，保留原始模型核心功能。它为开发者提供轻量级环境，便于进行测试、优化和创新，无需大量计算资源。这一工具适合深度学习研究人员和AI艺术家快速验证概念和调试算法。

swift-coreml-diffusers - Swift应用中集成Core ML实现Stable Diffusion模型

Core MLGithubStable DiffusionSwiftiOSmacOS开源项目

swift-coreml-diffusers项目展示如何在Swift应用中集成Apple的Core ML Stable Diffusion实现。该应用支持macOS和iOS设备，采用DPM-Solver++调度器提高性能。首次启动时自动下载量化Core ML模型，可利用CPU、GPU和Neural Engine加速。项目适合快速迭代开发，也可作为在Apple设备上实现AI图像生成的示例代码。

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。

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。

normal-depth-diffusion - 通用法线深度扩散模型实现高细节3D生成

3D模型AI生成GithubNormal-Depth Diffusion Model图像生成开源项目深度学习

Normal-Depth Diffusion Model是一个创新的文本到3D生成模型，采用法线深度扩散技术生成细节丰富的3D模型。该项目支持单视图和多视图生成，提供预训练权重、推理和训练代码，以及Objaverse数据集的多视图渲染图像。这一模型为3D内容创作开辟新途径，可应用于艺术设计等多个领域。

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。

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。

DiffusionGPT - LLM驱动的多功能文本转图像生成系统

DiffusionGPTGithub人工智能图像生成大语言模型开源项目文本生成图像

DiffusionGPT是一个利用大型语言模型(LLM)的文本到图像生成系统。该系统能适应多种类型的提示，并整合专业领域模型。DiffusionGPT通过LLM技术，提供了一个统一的生成平台，可处理多样化的输入并生成图像。项目提供开源代码、在线演示和使用指南，方便研究人员和开发者进行实验和应用。

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。

mvdream-sd2.1-diffusers - 基于多视图扩散的开源3D生成模型框架

3D生成DiffusersGithubHuggingfaceMVDream人工智能多视角扩散开源项目模型

MVDream-sd2.1-diffusers是一个开源的3D内容生成框架，基于多视图扩散技术。该项目将MVDream模型移植到Diffusers库中，实现了多视角3D生成功能。通过文本提示，用户可以创建高质量的3D模型，适用于创意设计和虚拟内容制作。项目在GitHub上提供示例代码，方便快速上手。框架设计时考虑了伦理因素，避免生成具有敌意或冒犯性的内容。

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