InstantID开源 – 零次身份保留的图像生成技术

Fotor的AI人脸生成器是一个强大的在线工具，允许用户使用人工智能从零开始创建独特而逼真的人脸。该平台提供多种功能和用例，是满足各种创意需求的多功能解决方案。

IDM-VTON项目旨在通过改进的扩散模型，提升服装试穿的保真度与真实感，生成高质量的虚拟试穿图像，结合高级语义与低级特征，增强视觉效果的真实性，并通过详细的文字提示优化生成结果。

Awesome Diffusion V2V 是一个基于扩散模型的视频编辑技术和基准测试的资源集合。该项目汇集了多种视频编辑的关键技术和方法，旨在推动视频编辑领域的研究与应用。通过提供丰富的资源列表和基准测试代码，帮助研究人员和开发者更好地理解和应用扩散模型在视频编辑中的潜力。

自校正 LLM 控制的扩散模型，用于自动编辑任何图像或修复生成模型的文本到图像错位，无需额外训练。

一个创新的药物分子设计AI工具，通过扩散模型学习分子的3D结构、形状、静电特性和药效团的联合分布。

DITTO-2是由Adobe和加州大学研究人员联合开发的基于扩散模型的音乐生成模型，旨在提升音乐生成的效率和可控性。它通过模型蒸馏技术和推理时间优化（ITO）显著提高了生成速度和控制精度，支持多种音乐编辑和生成功能，如音乐修复、扩展、强度调整、旋律控制和结构控制等。与传统模型相比，DITTO-2的生成效率提升了10-20倍，训练成本低，仅需在A100 GPU上训练约30小时。

Diffusion Model Based Posterior Sampling for Noisy Linear Inverse Problems，该项目利用扩散模型进行后验采样，专门用于处理带有噪声的线性逆问题。

CRATE是一个完全数学可解释的白盒Transformer模型，旨在通过统一多种模型架构实现高效的稀疏率降低，已在真实世界数据集ImageNet-1K上取得接近的性能。它整合了Transformer模型、自注意力、扩散模型和降噪技术，并通过展开迭代优化导出深层网络层。

专为物理AI设计的世界基础模型平台，旨在帮助物理AI开发者更好更快地构建物理AI系统。

smalldiffusion 是一个用于训练和采样扩散模型的简单易读的代码库，支持从最简单的玩具模型到最先进的预训练模型的实验。其核心代码只有不到100行，基于PyTorch框架，非常适合快速理解和实验。

Inf-DiT 是清华大学与智谱AI联合推出的基于扩散模型的图像上采样方法，能够生成超高分辨率图像。该模型引入了单向块注意力机制(UniBA)，将生成过程中的空间复杂度从 O(N^2)降低到 O(N)，有效解决了传统扩散模型在生成大尺寸图像时内存消耗过高的问题。Inf-DiT 采用扩散变换器(DiT)结构，能够处理各种形状和分辨率的图像上采样任务，并通过全局图像嵌入和邻近低分辨率块的交叉注意力机制等技术，增强图像的局部和全局一致性。实验结果表明，Inf-DiT 在超高分辨率图像生成和超分辨率任务中均达到了 SOTA 性能。

Story-Adapter 是一个基于扩散模型的AI框架，专为长故事可视化设计。它通过迭代优化和全球参考交叉注意力模块（GRCA），从文本叙述生成连贯的图像序列，无需额外训练即可处理长达100帧的故事。该框架显著提升了多图像间的语义一致性及细粒度交互质量，解决了传统文本到图像模型在长序列生成中的缺陷传播问题。2024年研究数据显示，其在角色相似度（aCCS）和图像质量（aFID）指标上均优于同类方案。

ViViD是一个基于扩散模型的视频虚拟试穿技术项目，由中国科学技术大学和阿里巴巴集团联合开发。该项目旨在通过合成视频让消费者看到衣物穿在自己身上的真实效果，解决了传统基于图像的方法在视频中导致的时间不一致性问题。ViViD生成高质量的视频，保留了衣物的细节和质感，并构建了一个高分辨率、种类丰富的数据集，显著提升了模型的表现。项目支持多种服装类型，包括上身、下身和连衣裙，能够生成高分辨率的试穿视频，并具有较快的处理速度，适用于实时或近实时的应用场景。

AnchorCrafter 是一个基于扩散模型的视频生成系统，专注于自动生成具有主播风格的产品宣传视频。通过引入'人-物交互(HOI)'技术，解决了生成过程中物体外观细节捕捉和人-物交互控制的挑战，适用于电商主播带货风格的视频制作。

Diffusion Policy 是一种利用扩散模型进行视动策略学习的方法，探索了扩散模型在策略学习中的应用。它提出了一种新的训练算法和架构，并在模拟和真实世界实验任务中表现出色，能够实现更高的成功率和更快速、更有效的学习。项目提供了完整的代码、实验数据和Google Colab笔记本，支持用户快速上手和复现实验结果。