Diffusion-Planner开源 – 基于扩散模型的自动驾驶实时规划方案

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。

HiDream-I1是HiDream.ai团队推出的开源图像生成基础模型，拥有17亿参数，采用MIT许可证。该模型在多项基准测试中（DPG-Bench/GenEval/HPSv2.1）超越SDXL、DALL-E 3等主流模型，支持秒级高质量图像生成。提供完整版、蒸馏版和极速版三种变体，适用于不同场景需求。技术层面融合扩散模型与混合专家架构（MoE），集成多模态文本编码器，在语义理解、细节渲染和风格多样性方面表现突出。

收集了大量关于条件图像合成扩散模型论文的大列表，适用于研究人员和开发者，提供丰富的研究资源和参考资料。

Awesome-Robotics-Diffusion是一个专注于机器人学习领域扩散模型的精选资源库。它汇集了40多篇前沿的学术论文，涵盖了机器人操作、导航、规划等多种任务。该项目提供了丰富的代码和数据资源，旨在助力研究人员和开发者在机器人学习与扩散模型结合方面的研究和开发工作。

PGD-MOO（Preference-Guided Diffusion for Multi-Objective Offline Optimization）是一种通过训练偏好模型引导扩散模型生成帕累托最优且多样化的设计方案的方法，特别适用于多目标离线优化问题。该方法在超体积指标上与传统方法相当或更优，在 ∆-spread 指标上显著优于其他方法，适用于药物发现等高成本、慢反馈的场景。

集成了 TeaCache 的 ComfyUI 插件，用于加速图像、视频和音频扩散模型的推理过程，支持多种模型，并提供了简单的安装方法和推荐配置

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。

Follow-Your-Emoji 是一个基于扩散模型的框架，用于生成精细可控的表情包动画。它能够根据用户提供的目标关键点序列，将静态表情包或肖像动画化。该项目支持用户自定义表情包中眉毛、嘴巴、眼睛等部位的动态，提供了高度灵活的控制方式，适合创意表达和个性化动画制作。

DreamTalk 是一个基于扩散模型的音频驱动表达性头部生成框架，能够生成具有多种说话风格的高质量头部视频。它支持多种输入类型，包括歌曲、多种语言的语音、含噪声音频和领域外的肖像画。该项目旨在通过先进的扩散概率模型，实现精准的唇音同步和生动的表情生成，适用于学术研究和非商业用途。

TryOffDiff是一种基于扩散模型的技术，能够从服装模特照中提取服装，生成一张干净、标准化的衣服图片，类似于电商网站上的白底服装展示图。该技术保留了衣服的形状、颜色、纹理和细节，用户只需上传一张服装模特照，点击生成即可得到标准化图片。项目基于PyTorch，使用🤗 Diffusers和🤗 Accelerate进行多GPU训练，并采用Stable Diffusion-v1.4和SigLIP作为基础模型和图像编码器。

Diffuse to Choose是一种基于扩散模型的图像条件修复技术，专为虚拟试穿场景设计，能够在快速推理的同时保持高保真细节，并确保语义操作的准确性。该模型通过将参考图像的细粒度特征直接合并到主扩散模型的潜在特征图中，并使用感知损失进一步保留参考项的细节，从而在图像修复和增强方面表现出色。

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。

本项目通过扩散模型解决多机器人在复杂环境中的路径规划问题，旨在提高机器人团队的协作效率。提供预训练模型和数据集，用户可以快速上手，并支持多种地图和场景的适应，满足不同需求。

HandDiff是一种利用扩散模型进行3D手势估计的方法，结合图像和点云数据，实现精确的手势识别和追踪。该项目致力于提升虚拟现实和增强现实中的人机交互体验。

ColorPeel是一个利用扩散模型，通过颜色和形状的分离来进行颜色提示学习的项目，旨在提高图像生成的灵活性与质量。