#Diffusion Models

ai4artists

提供多种AI与艺术结合的资源，包括深度学习课程、视频、技术文献和创意工具。从基础知识到高级教程，以及最新的研究论文和方法，如扩散模型和神经辐射场。还包含艺术家和机构的介绍，助力创意工作者探索AI的无限可能。

Awesome-Diffusion-Models

提供全面的扩散模型资源与研究论文，包括入门帖子、视频、讲座和教程笔记本。涵盖图像生成、分类、分割、音频处理和自然语言处理等应用领域，适用于机器学习和深度学习研究者。访问本页，获取更多详细信息与最新进展，提升对扩散模型的理解与应用。

Diffusion-Models-Papers-Survey-Taxonomy

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。

Text-To-Video-Finetuning

Text-To-Video-Finetuning项目使用Diffusers微调ModelScope的文本生成视频模型，提供详尽的安装、配置和训练指南。主要更新包括LoRA训练、模型格式转换和Torch 2.0支持。项目现已归档，相关资源及支持文件仍可用。建议关注@damo-vilab的新实现，以体验全面的视频扩散微调功能。支持多种模型训练与推断，适用于VRAM限制设备，模块化设计方便定制与扩展。

papers

该平台包含对超过410篇研究论文的分类、注释和评论，涵盖不确定性估计、组合法、随机梯度MCMC和变分推断等多个领域。用户可以通过详细的评论和分类，快速了解关键领域的最新研究成果。平台还包括30篇特别有趣的论文列表，以及对重要文献的分析方法和统计数据。主要关键词包括研究论文分类、机器学习、深度学习、医疗健康、人脸识别和视觉跟踪等。每篇论文的评论旨在帮助用户深入理解复杂的研究问题，提升学术知识储备。

Awesome-Diffusion-Models-in-Medical-Imaging

本页面汇集了关于医疗影像扩散模型的精彩文章，包括综合调查、挑战报告以及多种应用领域的最新研究成果。这里汇集了关于异常检测、去噪、分割、图像生成和文本到图像转换等方面的详尽文献。这些内容展示了扩散模型在医学图像分析中的重要性，还覆盖了在皮肤病变分割、脑图像异常检测等具体应用中的最新进展。欢迎社区参与和贡献，共同推动这一领域的发展。

DiG

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。

Awesome-Controllable-T2I-Diffusion-Models

该项目汇集了文本到图像扩散模型中可控生成的前沿研究。内容涵盖个性化生成、空间控制、高级文本条件生成等多个方向,并总结了多条件生成和通用可控生成方法。项目为研究人员和开发者提供了全面了解可控T2I扩散模型最新进展的资源,有助于促进该领域的发展。