FoundationVision

VAR

扩散模型

VAR 是 NeurIPS 2024 最佳论文的官方实现,用自回归方式做图像生成,让 GPT 路线在视觉任务上跑通并超越扩散模型。它按由粗到细的尺度逐级预测图像,代码简洁易用,适合想上手视觉自回归生成的开发者作为起点。

查看 GitHub 原始描述(英文)

[NeurIPS 2024 Best Paper Award][GPT beats diffusion🔥] [scaling laws in visual generation📈] Official impl. of "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". An *ultra-simple, user-friendly yet state-of-the-art* codebase for autoregressive image generation!

#auto-regressive-model#autoregressive-models#diffusion-models#generative-ai#generative-model#gpt#gpt-2#image-generation#large-language-models#neurips#transformers#vision-transformer

按钮会在新标签页打开,本站不代理、不镜像仓库内容。

Tencent-Hunyuan

Hunyuan3D-2

Hunyuan3D-2 是腾讯混元开源的大规模扩散模型,用两阶段流程从图像或文本生成高分辨率 3D 资产,解决传统建模耗时、细节不足的问题。典型场景是开发者输入一张角色概念图,直接得到带贴图的 mesh,接入游戏或电商的 3D 内容 pipeline。

1.5万1,567Python
扩散模型最近提交 2025-10-28
Tencent-Hunyuan

HunyuanVideo

HunyuanVideo 是一个开源的大视频生成模型框架,用扩散模型把文本 prompt 变成连贯视频。它提供完整训练与推理流程,开发者可基于 Python 搭建自己的视频生成 workflow。

1.3万1,349Python
扩散模型最近提交 2026-10-08
diff-usion

Awesome-Diffusion-Models

这是一个汇总扩散模型论文与资源的清单项目,帮开发者省去在大量文献里翻找的时间。它按主题整理 diffusion model 的相关工作,适合刚入门时快速摸清脉络,或做 survey 时集中查阅。

1.2万1,012HTML
扩散模型最近提交 2024-08-01
Lightricks

LTX-Video

LTX-Video 是 Lightricks 开源的视频生成扩散模型官方仓库,用 Python 实现,解决从文本或图片生成连贯视频的问题。典型场景是开发者通过 CLI 或 Python SDK 调用预训练模型,把 prompt 直接转成短视频片段,用于内容创作与原型验证。

1.1万1,173Python
扩散模型最近提交 2026-01-05
RunanywhereAI

runanywhere-sdks

这是一套用 C++ 写的端侧 AI 推理 SDK,让开发者在本地设备上直接跑扩散模型,不必依赖云端接口。典型场景是把文生图能力集成进桌面或移动应用,用本地算力完成推理,兼顾响应速度与数据隐私。

1.0万389C++
扩散模型最近提交 2026-10-09
open-mmlab

mmagic

MMagic 是 OpenMMLab 推出的生成式 AI 工具箱,专注扩散模型等图像与视频生成、修复和增强任务,提供易用的 API 与丰富的模型库。开发者可用它快速搭建 text-to-image、超分或去噪等 workflow,无需从零实现底层训练与推理流程。

7,4721,097Jupyter Notebook
扩散模型最近提交 2024-08-06