Stable Diffusion v1-5は潜在拡散技術に基づくテキストから画像生成モデルで、テキスト記述に基づいてリアルな画像を生成できます。このモデルはLAION - 2Bデータセットで訓練され、英語テキスト入力をサポートし、512x512解像度の画像を生成します。

マルチモーダルDiffusers

RND1は実験的な拡散言語モデルで、300億のパラメータを持ち、疎なエキスパート混合アーキテクチャを採用しています。このモデルは事前学習された自己回帰ベースモデルから変換され、拡散ベースのテキスト生成をサポートしており、各トークンで300億のパラメータのみがアクティブ化され、計算効率とモデル容量のバランスを取っています。

自然言語処理Transformers

Pandoraは、リアルで高品質な携帯写真スタイルの画像を生成するための拡散モデルで、二段階のトレーニングプロセスを採用し、驚きの効果を持つ携帯写真スタイルの画像を生成することができます。

コンピュータビジョンDiffusers多言語

CoDAはSalesforce AI Researchによって開発された拡散モデルに基づくコード生成言語モデルで、双方向コンテキスト理解能力を備え、強力なコード生成と補完タスク用に設計されています。このモデルはわずか17億のパラメータで、低い計算要件を維持しながら卓越したコード生成性能を実現しています。

自然言語処理Transformers英語

LLaDA-MoEは拡散原理に基づいて構築された新しい混合専門家言語モデルで、最初のオープンソースのMoE拡散大規模言語モデルです。約20兆個のトークンで最初から事前学習され、総パラメータは70億で、推論時には14億のパラメータのみがアクティブ化されます。コード生成や数学的推論などのタスクで卓越した性能を発揮します。

自然言語処理Transformers

SRPOは拡散モデルに対する人間の嗜好アライメント手法で、Direct-Align技術と意味的相対嗜好最適化により、FLUX.1-devモデルのリアリティと美学品質を大幅に向上させ、多段階ノイズ除去の計算コストが高い問題とオフライン報酬微調整に依存する問題を解決します。

コンピュータビジョンDiffusers

RUSKANIME2025はLoRAとDiffusers技術に基づくテキストから画像への生成モデルで、特定のトリガーワードを通じて関連するアニメスタイルの画像を生成するために特別に設計されています。このモデルはblack-forest-labs/FLUX.1-dev基礎モデルに基づいて構築され、拡散LoRAテンプレート技術を採用しています。

コンピュータビジョンDiffusers

これは安定拡散XLアーキテクチャに基づくテキストから画像生成モデルで、高度なリアリティと豊富な色彩を持つ写真レベルの画像を生成するために特別に設計されています。このモデルはOnomaAIResearch/Illustrious-xl-early-release-v0をベースに構築され、肌の質感と色彩表現の向上に焦点を当てています。

コンピュータビジョンDiffusers英語

これはQwen-Imageに基づく拡散モデルで、8ステップのLighting LoRA技術を融合し、高速で高品質な画像生成を実現できます。このモデルはGGUF量子化形式で提供され、リソースが制限された環境での実行をサポートします。

マルチモーダルDiffusers

NetaYume Lumina Image 2.0はテキストから画像への拡散モデルで、GGUF形式で量子化処理されており、テキスト記述を画像に変換することができます。このモデルは最適化されており、生成品質を維持しながらメモリ使用量を削減し、パフォーマンスを向上させています。

マルチモーダルGguf英語

これはスコア生成拡散モデルに基づく医学画像処理モデルで、心臓超音波画像の霧除去処理に特化しています。このモデルはDehazeEcho2025データセットで訓練され、超音波画像の霧状の干渉を効果的に除去し、画像の鮮明度を向上させることができます。

コンピュータビジョンTensorflow

Chromaは、高品質なテキストから画像への生成モデルで、リアルな画像コンテンツの生成に特化しています。このモデルは、先進的な拡散技術を採用しており、テキストの記述に基づいて高品質なビジュアルコンテンツを生成することができ、特にローカルデプロイ環境での画像創作ニーズに適しています。

コンピュータビジョンGguf英語

SpatialGenは、多視点、マルチモーダル拡散モデルを利用して、セマンティックレイアウトから多視点、マルチモーダル情報を生成するプロジェクトです。画像からシーン、テキストからシーンへの変換を実現し、関連分野の研究と応用に有力な支援を提供します。

マルチモーダルDiffusers

SDARは、自己回帰と離散拡散モデリング戦略を統合した新しい大規模言語モデルです。ARモデルの効率的な訓練と拡散モデルの並列推論の利点を組み合わせています。一般的なタスクではSOTAオープンソースARモデルと同等の性能を発揮し、科学的推論タスクでは優れた性能を示し、最強の拡散言語モデルとなっています。

自然言語処理Transformers

拡散戦略に基づく視覚運動制御モデルで、ロボット制御を生成拡散プロセスと見なし、滑らかな多段階動作軌跡を生成でき、富接触操作タスクで優れた性能を発揮します。

コンピュータビジョンSafetensors

Open-DCoder 0.5BはQwen2アーキテクチャに基づくコード生成マスク拡散モデルで、パラメータ数は5億です。このモデルは双方向注意力機構と革新的な拡散生成方法を採用し、コード生成タスクに特化しています。

自然言語処理Transformersその他

Cosmos-Predict2.5はNVIDIAが開発した、物理AI向けに設計された高性能の事前学習済み世界基礎モデルセットです。拡散モデル技術に基づいており、テキスト、画像、またはビデオの入力に基づいて、物理的な知覚を持つ高品質の画像とビデオを生成することができ、自動運転やロボットなどのアプリケーションに世界シミュレーション能力を提供します。

マルチモーダルDiffusers

embeddings プロジェクトは、LoRA と Diffusers 技術に基づくテキストから画像への変換モデルです。stabilityai/stable-diffusion-3.5-large をベースモデルとして使用し、拡散 LoRA テンプレートを提供し、特定のモデルに基づいて高品質の画像を生成することができます。

マルチモーダルDiffusers

DiffuCoder-7B-cpGRPO-6bitは、MLX形式に変換されたテキスト生成モデルで、コードとテキスト拡散タスクに特化しています。

自然言語処理Mlxその他

FLUX.1-Kontext-devに基づく実験的拡散モデルで、画像から画像への変換タスクに特化しています。量子化処理が完了しており、推論性能が大幅に向上し、VRAM使用量は約10GBで、推論にはわずか6 - 8ステップです。

コンピュータビジョンDiffusers