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

Awesome-Diffusion-Models

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

par diff-usion · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Langue
artificial-intelligencediffusion-modelsgenerative-modelMITHTML
Voir sur GitHub
En termes simples

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

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
2026-07-042026-08-31
📈 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 ?
olud.ai badge — Awesome-Diffusion-Models

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

[![olud.ai](https://olud.ai/badge.php?tool=diff-usion-awesome-diffusion-models)](https://olud.ai/project/diff-usion-awesome-diffusion-models.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
Paella
Mise en œuvre officielle de Paella https://arxiv.org/abs/2211.07292v2
748 · diffusion-models
partagegenerative-modeldiffusion-models
MeanFlow
Implémentation PyTorch de MeanFlow & iMF (modélisation générative en une étape).
1.2k · diffusion-models
partagegenerative-modeldiffusion-models
CRM
[ECCV 2024] Conversion d'une image unique en maillage texturé 3D en 10 secondes avec le modèle…
690 · 3d
partagegenerative-modeldiffusion-models
RelayDiffusion
L'implémentation officielle de "Relay Diffusion : Unification du processus de diffusion à trave…
314 · diffusion-models
partagegenerative-modeldiffusion-models
story-iter
[ICLR 2026] Un cadre itératif sans entraînement pour la visualisation de longues histoires
961 · diffusion-models
partagegenerative-modeldiffusion-models
DNA-Diffusion
🧬 Modélisation générative de séquences d'ADN régulatrices avec des modèles de diffusion probabi…
490 · deep-learning
partagegenerative-modeldiffusion-models
MeshDiffusion
Implémentation officielle de "MeshDiffusion : Modélisation de maillage 3D générative basée sur…
834 · diffusion-models
partagegenerative-modeldiffusion-models
InstructCV
[ICLR 2024] Base de code officielle pour "InstructCV : Modèles de diffusion texte-à-image réglé…
460 · diffusion-models
partagegenerative-modeldiffusion-models
MultiDiffusion
Implémentation officielle de Pytorch pour "MultiDiffusion : Fusion des chemins de diffusion pou…
1.1k · diffusion-models
partagegenerative-modeldiffusion-models
SSDNeRF
[ICCV 2023] NeRF de Diffusion à Une Étape
447 · 3d-reconstruction
partagegenerative-modeldiffusion-models

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