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。
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。
DiffMoE是一个基于PyTorch的扩散模型项目，采用动态专家混合（MoE）架构，通过仅激活1倍参数即可超越3倍参数的密集模型。它在ImageNet上表现出色，FID50K分数低至2.30，Inception Score高达88.19，仅需700K训练步。项目主要用于图像生成任务，如类别条件生成和文本到图像生成。其核心创新包括批次级全局令牌池和动态容量预测器，能够根据噪声水平和样本复杂度智能分配计算资源。
Diffusion-Planner是一个创新的自动驾驶规划项目，利用扩散模型进行运动规划。该项目在nuPlan数据集上表现优异，特别是在闭环规划场景中，能够以20Hz的频率实现实时规划。它采用基于变换器的扩散模型架构，支持多模态驾驶行为建模，无需依赖基于规则的细化。项目功能包括未来轨迹生成、分类器引导确保安全性和舒适性，以及灵活的引导组合以适应不同驾驶风格。Diffusion-Planner在复杂交通场景中展现出强大的闭环性能和多样驾驶风格的鲁棒性，适用于实际应用场景。
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。
该研究提出了一种分析理论框架，用于理解扩散模型的学习动力学，揭示了学习过程中存在的幂律谱偏现象。通过分析线性去噪器，该框架解释了为何扩散模型在学习不同方差的数据特征时表现出速度差异，并为改进扩散模型的训练和数据预处理提供了理论指导。研究结果在高斯和图像数据集上得到验证，对理解和优化生成模型训练具有重要意义。
BD3-LM（Block Diffusion Language Model）是一种创新的语言模型，旨在通过结合自回归模型和离散扩散模型的优点，显著提升语言建模任务的性能。它通过在token块上执行自回归，并在每个块内进行离散扩散，实现了灵活且高效的建模方式。该模型特别适用于生成任意长度的序列，展现了其在自然语言处理领域的潜力。
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。
InstantID 是一种基于扩散模型的图像生成技术，专注于零次身份保留的个性化图像合成。它允许用户仅用一张面部图像生成多种风格的个性化图像，保持高保真度。项目无需额外模型训练或测试时的微调，可与预训练的文本到图像扩散模型无缝集成。核心组件 IdentityNet 结合面部和地标图像与文本提示，指导图像生成。
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。
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。
OutfitAnyone是由阿里巴巴开发的基于扩散模型的2D虚拟试穿框架，旨在解决现有虚拟试穿技术在生成高保真、细节一致结果时遇到的挑战。该项目支持任何服装和任何人的虚拟试穿，具有广泛的应用场景，如电商、时尚设计等。项目目前已在ModelScope和Hugging Face上提供体验版本，用户可以通过上传服装图像进行虚拟试穿。
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。
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。
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。
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。
TrajectoryCrafter是一款通过扩散模型技术对单目视频的相机轨迹进行重定向的创新工具。它支持多种特效如子弹时间和视角重置，能够弥补前期拍摄的不足，提供平滑流畅的运镜效果。项目支持多机位、多角度、多景别的视频生成，并可通过本地Gradio演示进行操作，提升视频拍摄的灵活性和质量。
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。
MindDiffusion是一个基于MindSpore框架的扩散模型集合，支持多种任务，性能优化，包含预训练模型，可快速部署，并提供详细的文档和示例。
ThinkDiff是一个创新的扩散模型，通过将视觉语言模型与大型语言模型解码器对齐，简化了训练过程，并显著提升了生成图像的质量和多模态上下文推理能力。该项目在CoBSAT基准测试中取得了显著的准确率提升，仅需5小时训练，且仅使用普通图像-文本对进行训练，无需复杂的多模态数据集。
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。
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。
PDAE是一个基于预训练扩散概率模型的无监督表示学习项目，能够高效地进行特征提取，并适用于多种数据类型的表示学习。
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。
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。
AniTalker是一个开源项目，通过身份解耦的面部动作编码技术，生成生动多样的说话面部动画。它能够从单张图片和音频中生成动态视频，支持生成超过3分钟的超长视频，并且能够匹配表情和头部动作。AniTalker采用通用的运动表示法捕捉复杂面部动态，利用自监督学习策略实现精确的运动描述，并通过扩散模型生成多样且可控的面部动画。项目分为两个阶段，第一阶段聚焦于动作编码器和渲染模块的训练，第二阶段基于diffae和espnet进行扩散训练。AniTalker提供了一个demo，用户可以使用特定的音频输入和图片，生成对应的动画效果，并鼓励社区成员进行进一步的开发和贡献。
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。
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。
一个强大的Blender插件，利用扩散模型实现自动化纹理生成。该插件能够直接在Blender内为3D模型生成高质量的纹理，同时支持局部重绘、LoRA模型和IP-Adapter的应用。通过深度ControlNet技术，确保生成的纹理与3D几何特征相符，且支持多纹理着色和UV投影等高级功能，极大地提升了3D创作的效率和质量。
