githubGitHubあり2026-06-09
diffusers — 🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.
.diffusion モデルのライブラリ。画像・動画・音声生成に利用可能。
生成AI拡散モデル生成画像テキスト
→
Topic
Diffusion Modelsの論文・実装まとめ
画像・動画生成、条件付き生成、編集、3D生成に関係する拡散モデルの論文と実装です。
まず見るべき実装候補
159 articlesScore 94
新着記事
githubGitHubあり2026-06-09
diffusers — 🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.
.diffusion モデルのライブラリ。画像・動画・音声生成に利用可能。
生成AI拡散モデル生成画像テキスト
- 用途
- 画像・動画・音声生成
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-06-09
Sana — SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer
SANAは、高解像度画像生成モデルSANAを紹介する本研究であり、低計算コストで優れた高解像度画像を生成できる。
深層学習Transformer生成画像テキスト
- 用途
- 高解像度画像合成
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-06-09
ComfyUI — The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.
runanywhere-sdksは、AIをローカルに実行するために使用できるプロダクションレディのツールキットです。
生成AI拡散モデル
- 用途
- 高性能ディフュージョンモデルGUI環境の実現
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-06-09
FastVideo — A unified inference and post-training framework for accelerated video generation.
FastVideoは、加速されたビデオ生成用の統合推論とポストトレーニングのフレームワークです。
深層学習軽量化・量子化生成動画
- 用途
- ビデオ生成を加速する
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-06-09
LightX2V — Light Image Video Generation Inference Framework
zenmlは、データパイプラインからエージェントまで、AIプラットフォームです。
生成AI拡散モデル生成画像動画
- 用途
- AI推論を軽量化したインフラ
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-06-09
Helios — Helios: Real Real-Time Long Video Generation Model
長時間のビデオ生成を実現するためのモデルのサポートを紹介している。
深層学習軽量化・量子化生成画像テキスト
- 用途
- ビデオ生成
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-06-09
deepinv — DeepInverse: a PyTorch library for solving imaging inverse problems using deep learning
ピラミードライブラリを使ったイメージインバース問題の解決に使えるライブラリです。
生成AI拡散モデル画像自己教師
- 用途
- イメージインバース問題の解決
- 難易度
- Easy
- コスト
- High
→
arxivGitHubあり2026-06-08
TUDSR: Twice Upsampling-Diffusion for Higher Super-Resolution
Diffusion-based generative models have achieved remarkable success in real-world image super-resolution (SR).
センサ/時系列品質予測/異常検知コンピュータビジョンセグメンテーション生成画像
- 用途
- 生成
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-06-08
Echo-DM: Ultrasound Marker Removal via Conditional Latent Diffusion and Region-Aware Fusion
Clinical ultrasound images often contain artificial markers, such as measurement calipers and text, to assist
品質予測/異常検知自然言語処理RAG画像テキスト音声
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- High
→
arxivPaper only2026-06-08
Latent Spatial Memory for Video World Models
Video world models that maintain 3D spatial consistency across generated frames typically rely on explicit poi
品質予測/異常検知自然言語処理RAG生成画像テキスト
- 用途
- 生成
- 難易度
- Hard
- コスト
- High
→
arxivPaper only2026-06-08
Echo-Memory: A Controlled Study of Memory in Action World Models
この研究では、エピソード記憶を制御するために、エピソード記憶モデルを設計および評価しました。エピソード記憶モデルは、エピソード内の重要な情報を記憶し、エピソード間の相関関係を特定することができます。
品質予測/異常検知コンピュータビジョンセグメンテーション生成画像テキスト
- 用途
- エピソード記憶
- 難易度
- Hard
- コスト
- High
→
arxivPaper only2026-06-08
AHA-WAM:Asynchronous Horizon-Adaptive World-Action Modeling with Observation-Guided Context Routing
この論文では、ロボット手術の制御を改善するために、ロボットの視覚的シーンの動作と操作を同時にモデル化する方法を提案する。
深層学習Transformer画像テキスト動画
- 用途
- リモートハンドリングの制御
- 難易度
- Hard
- コスト
- High
→