Awesome GitHub RepositoriesInverse Problems

Inpaint-Anything es un editor de imágenes y herramienta de inpainting basado en difusión, diseñado para eliminar o reemplazar objetos en imágenes, videos y escenas 3D. Funciona como un manipulador guiado por texto que utiliza descripciones en lenguaje natural y relleno basado en máscaras para modificar contenido visual. El sistema proporciona capacidades especializadas para la edición de escenas 3D multivista y la eliminación de objetos en video. Rastrea los objetos seleccionados a través de múltiples fotogramas o perspectivas para sintetizar fondos consistentes y mantener la coherencia espacial después de eliminar un elemento. La herramienta cubre una gama de tareas de manipulación de imágenes, incluyendo el reemplazo de fondos, el relleno de objetos y la eliminación de elementos específicos de imágenes estáticas. Estas operaciones son guiadas por prompts de texto y generación de máscaras basada en puntos.

DiffBIR es un framework de restauración de imágenes basado en difusión, diseñado para la reconstrucción de imágenes ciegas. Utiliza priors de difusión generativa para recuperar imágenes de alta calidad a partir de fuentes con degradaciones complejas o desconocidas, sin necesidad de modelos de degradación explícitos. El sistema incluye modelos especializados para la restauración de rostros, permitiendo recuperar rasgos faciales, texturas y fondos en retratos degradados. Para soportar salidas de alta resolución en hardware con memoria limitada, emplea un escalador de imágenes por mosaicos que divide las imágenes en parches más pequeños durante el muestreo. El framework abarca un pipeline de restauración multietapa y escalado de imágenes generativo. Incorpora capacidades para el entrenamiento de modelos de restauración y la aplicación de pesos especializados para optimizar la mejora en escenas específicas.

Paper | Project Page | Video | WebUI | ModelScope | ComfyUI

Zongsheng Yue, Jianyi Wang, Chen Change Loy

Yinhuai Wang, Jiwen Yu, Jian Zhang Peking University and PCL \*denotes equal contribution

Official implementation of Cold-Diffusion for different transformations in pytorch.

Ziwei Luo, Fredrik K. Gustafsson, Zheng Zhao, Jens Sjölund, Thomas B. Schön Department of Information Technology, Uppsala University

Zongsheng Yue, Chen Change Loy

CVPR 2024: Residual Denoising Diffusion Models

Yuanzhi Zhu, Kai Zhang, Jingyun Liang, Jiezhang Cao, Bihan Wen, Radu Timofte, Luc Van Gool.

This is the code repository of the following paper to train and perform inference with patch-based diffusion models for image restoration under adverse weather conditions.

ACM Multimedia 2023: DocDiff: Document Enhancement via Residual Diffusion Models. Also contains 1597 red seals in Chinese scenes, along with their corresponding binary masks.

PyTorch Implementation of introducing diffusion approach to 3D depth perception ECCV 2024

ICLR2023 Official repository of DDM2: Self-Supervised Diffusion MRI Denoising with Generative Diffusion Models

NeurIPS 2023 PGDiff: Guiding Diffusion Models for Versatile Face Restoration via Partial Guidance

The repository contains reproducible PyTorch source code of our paper Solving Linear Inverse Problems Provably via Posterior Sampling with Latent Diffusion Models. We present the first framework to solve general inverse problems leveraging pre-trained latent diffusion models. Previously proposed…

Early Accepted at MICCAI 2023 Pytorch Code of "InverseSR: 3D Brain MRI Super-Resolution Using a Latent Diffusion Model"

Authors: Yuyang Yin, Dejia Xu, Chuangchuang Tan, Ping Liu, Yao Zhao, Yunchao Wei

This is the official impelmenation of the paper Towards Coherent Image Inpainting Using Denoising Diffusion Implicit Models.