Awesome-Diffusion-Transformers

Awesome-Diffusion-Transformers

扩散模型与Transformer融合的前沿研究进展汇总

本列表汇总了扩散模型与Transformer架构结合的最新研究进展,涵盖图像、视频、语音和3D等多个领域。每个项目均包含发表时间、会议信息、任务类型和资源链接。列表持续更新,为研究者和开发者提供便捷途径跟踪这一快速发展的领域动态。

Diffusion TransformersAI生成计算机视觉深度学习图像合成Github开源项目

扩散变换器精选资源 非常棒

标题初始日期发表场所任务资源
MotionDiffuse: 基于扩散模型的文本驱动人体运动生成2022年8月31日TPAMI'2024
字字珠玑:扩散模型的ViT骨干网络2022年9月25日CVPR'2023
利用神经网络检查点的生成模型学习如何学习2022年9月26日arXiv
基于Transformer的可扩展扩散模型2022年12月19日ICCV'2023
探索视觉Transformer作为扩散学习器2022年12月28日arXiv
DLT: 基于联合离散-连续扩散布局Transformer的条件布局生成2023年3月7日ICCV'2023
掩蔽扩散Transformer是强大的图像合成器2023年3月25日ICCV'2023
用于自适应文本到语音的扩散Transformer2023年5月3日Interspeech'2023
VDT: 基于掩蔽建模的通用视频扩散Transformer2023年5月22日ICLR'2024
ViT-TTS: 基于可扩展扩散Transformer的视觉文本到语音2023年5月22日EMNLP'2023
U-DiT TTS: 用于文本到语音的U型扩散视觉Transformer2023年5月22日arXiv
使用掩码Transformer快速训练扩散模型2023年6月15日TMLR
DiT-3D:探索用于3D形状生成的普通扩散Transformer2023年7月4日NeurIPS'2023
使用Transformer的大词汇量3D扩散模型2023年9月14日ICLR'2024
Cartoondiff:使用扩散Transformer模型进行无需训练的卡通图像生成2023年9月15日arXiv
PixArt-α:快速训练扩散Transformer用于逼真的文本到图像合成2023年9月30日ICLR'2024
Dolfin:无自动编码器的扩散布局Transformer2023年10月25日arXiv
Mapache:用于高级语音编辑和合成的掩码并行Transformer2023年12月3日ICASSP'2024
DiffiT:用于图像生成的扩散视觉Transformer2023年12月4日arXiv
GenTron:深入研究用于图像和视频生成的扩散Transformer2023年12月7日CVPR'2024
使用扩散模型生成逼真视频2023年12月11日arXiv
DiT-Head:使用扩散Transformer的高分辨率说话头合成2023年12月11日arXiv
使用极端掩码快速训练扩散Transformer用于3D点云生成2023年12月12日arXiv
NViST: 使用Transformer从单幅图像实现野外新视角合成2023年12月13日arXiv
TransDDPM: 基于Transformer的去噪扩散概率模型用于图像恢复2023年12月28日PRCV'2023
Latte: 用于视频生成的潜在扩散Transformer2024年1月5日arXiv
PIXART-δ: 使用潜在一致性模型实现快速可控的图像生成2024年1月10日arXiv
SiT: 利用可扩展插值Transformer探索流式和扩散生成模型2024年1月16日arXiv
使用沙漏扩散Transformer实现可扩展的高分辨率像素级图像合成2024年1月21日arXiv
用于人物图像合成的跨视角掩码扩散Transformer2024年2月2日arXiv
DiffsFormer: 用于股票因子增强的扩散Transformer2024年2月5日arXiv
Sora2024年2月15日OpenAI
SDiT: 脉冲扩散Transformer模型2024年2月18日arXiv
FiT: 用于扩散模型的灵活视觉Transformer2024年2月19日arXiv
Snap Video: 用于文本到视频合成的扩展时空Transformer2024年2月22日arXiv
OpenDiT2024年2月26日GitHub
FineDiffusion:通过10,000个类别扩展扩散模型实现细粒度图像生成2024年2月28日arXiv
开放Sora计划2024年3月1日GitHub
Stable Diffusion 3:研究论文2024年3月5日Stability AI

贡献

我们始终欢迎您的贡献!

请随时在data.json文件中添加或更新内容。

本README文件和网站将由GitHub Actions自动更新。

🚀 🚀 🚀

编辑推荐精选

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多