Accueil Projets Awesome-Diffusion-Models
Awesome-Diffusion-Models

Awesome-Diffusion-Models

par diff-usion · GitHub

Une collection de ressources et d'articles sur les Modèles de Diffusion

Voir sur GitHub
En termes simples

Lisez des ressources et des articles sur les modèles de diffusion, qui sont utilisés dans diverses applications d'IA.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
Awesome-Diffusion-Models — GitHub preview card
📈 Historique des étoiles
12.4k12.3k
2026-07-042026-07-29
📈 Suivez Awesome-Diffusion-Models

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Une collection de ressources et d'articles sur les Modèles de Diffusion

Awesome-Diffusion-Models compte 12.4k étoiles sur GitHub. Il a été forké 1k fois. Awesome-Diffusion-Models est écrit principalement en HTML. Il est développé activement depuis 2021. Awesome-Diffusion-Models est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, diffusion-models, generative-model, machine-learning.

Frequently asked questions

Qu'est-ce que Awesome-Diffusion-Models ?

Une collection de ressources et d'articles sur les Modèles de Diffusion

Awesome-Diffusion-Models est-il open source ?

Awesome-Diffusion-Models est un projet open source. Il est distribué sous licence MIT.

Awesome-Diffusion-Models est-il gratuit ?

Oui. Awesome-Diffusion-Models est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est Awesome-Diffusion-Models ?

Awesome-Diffusion-Models est disponible sous licence MIT.

Dans quel langage Awesome-Diffusion-Models est-il écrit ?

Awesome-Diffusion-Models est écrit principalement en HTML.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — Awesome-Diffusion-Models

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=diff-usion-awesome-diffusion-models)](https://opensourceai.tech/project/diff-usion-awesome-diffusion-models.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
denoising-diffusion-pytorch
Implémentation du Modèle Probabiliste de Diffusion Dénoyée en Pytorch
10.7k · artificial-intelligence
partagescore-matchinggenerative-model
Paella
Mise en œuvre officielle de Paella https://arxiv.org/abs/2211.07292v2
748 · diffusion-models
partagegenerative-modeldiffusion-models
ScoreDiffusionModel
Le tutoriel Pytorch sur les modèles basés sur les scores et la diffusion
368 · diffusion-models
partagescore-baseddiffusion-models
MeanFlow
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
1.2k · diffusion-models
partagegenerative-modeldiffusion-models
RelayDiffusion
L'implémentation officielle de "Relay Diffusion : Unification du processus de diffusion à trave…
314 · diffusion-models
partagegenerative-modeldiffusion-models
MeshDiffusion
Implémentation officielle de "MeshDiffusion : Modélisation de maillage 3D générative basée sur…
834 · diffusion-models
partagegenerative-modeldiffusion-models
ncsnv2
L'implémentation officielle de PyTorch pour NCSNv2 (NeurIPS 2020)
326 · diffusion-models
partagescore-matchingdiffusion-models
SyncDreamer
[ICLR 2024 Spotlight] SyncDreamer : Génération d'images cohérentes en multivues à partir d'une…
1k · 3d-reconstruction
partagegenerative-modeldiffusion-models
minimal-text-diffusion
Une implémentation minimale de modèles de diffusion pour la génération de texte
418 · ddpm
partagegenerative-modeldiffusion-models
ImageReward
[NeurIPS 2023] ImageReward : Apprentissage et évaluation des préférences humaines pour la génér…
1.7k · diffusion-models
partagegenerative-modeldiffusion-models

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.