5 रिपॉजिटरी
Awesome GitHub RepositoriesDiffusion Model Distillation
The process of converting a pre-trained diffusion model into a faster version via student-teacher distillation.
Distinct from Teacher-Student Distillation: Distinct from Teacher-Student Distillation: specifically applied to the domain of diffusion models and their sampling acceleration.
Explore 5 awesome GitHub repositories matching artificial intelligence & ml · Diffusion Model Distillation. Refine with filters or upvote what's useful.
Awesome Diffusion Model Distillation GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- openai/consistency_models
openai/consistency_models
6,492GitHub पर देखेंThis project is a framework for training and sampling generative models designed to produce high-quality images in few steps. It provides implementations for image generation models that transform random noise into structured visual data through an optimized sampling process. The system specializes in accelerating image generation through consistency distillation and consistency training. It includes tools to transform pre-trained diffusion models into faster versions by distilling knowledge from a teacher model into a student model, as well as methods to train consistency models from scratch
Converts pre-trained diffusion models into faster versions by distilling their knowledge into a student model.
Python - luosiallen/latent-consistency-model
luosiallen/latent-consistency-model
4,616GitHub पर देखेंयह प्रोजेक्ट कंसिस्टेंसी मॉडल्स को प्रशिक्षित करने और डिफ्यूजन मॉडल डिस्टिलेशन करने के लिए एक फ्रेमवर्क है। यह एक फ्यू-स्टेप टेक्स्ट-टू-इमेज जनरेटर और इमेज-टू-इमेज ट्रांसफॉर्मेशन टूल के रूप में कार्य करता है जिसे टेक्स्ट प्रॉम्प्ट्स या मौजूदा इमेजेस से हाई-रिज़ॉल्यूशन विज़ुअल्स बनाने के लिए डिज़ाइन किया गया है। यह सिस्टम आवश्यक इन्फरेंस चरणों की संख्या को कम करने के लिए प्री-ट्रेन्ड डिफ्यूजन मॉडल्स को कंसिस्टेंसी मॉडल्स में बदलने पर केंद्रित है। यह पूर्ण नेटवर्क फाइन-ट्यूनिंग की आवश्यकता के बिना बड़े मॉडल्स में विशिष्ट विज़ुअल स्टाइल्स को इंजेक्ट करने के लिए हल्के मॉडल एडेप्टर्स के प्रशिक्षण को सक्षम बनाता है। यह प्रोजेक्ट इमेज सिंथेसिस में व्यापक क्षमताओं को कवर करता है, जिसमें टेक्स्ट-टू-इमेज और इमेज-टू-इमेज जनरेशन शामिल है। यह मॉडल एडेप्टेशन, लेटेंट डिफ्यूजन मॉडल डिस्टिलेशन, और इमेज विविधताओं के निर्माण के लिए टूल्स प्रदान करता है जो मूल संरचनात्मक संरचना को संरक्षित करते हैं।
Converts pre-trained diffusion models into consistency models to significantly reduce the required inference steps.
Python - meituan-longcat/longcat-video
meituan-longcat/LongCat-Video
4,460GitHub पर देखेंLongCat-Video वीडियो सिंथेसिस के लिए विशेष मॉडलों का एक संग्रह है, जिसमें टेक्स्ट, छवियों या मौजूदा अनुक्रमों से उच्च-रिज़ॉल्यूशन वीडियो बनाने के लिए एक बड़े भाषा मॉडल-आधारित आर्किटेक्चर की सुविधा है। इसमें टेक्स्ट-टू-वीडियो जनरेशन, इमेज-टू-वीडियो एनीमेशन और टॉकिंग अवतार बनाने के लिए समर्पित सिस्टम शामिल हैं। यह प्रोजेक्ट एक वीडियो निरंतरता मॉडल के माध्यम से मौजूदा क्लिप की लंबाई बढ़ाने के लिए विशिष्ट क्षमताएं प्रदान करता है जो बाद के फ्रेम की भविष्यवाणी करता है। यह बोलने वाले वीडियो बनाने के लिए ऑडियो और टेक्स्ट प्रॉम्प्ट के साथ चरित्र के होंठों की गतिविधियों के सिंक्रोनाइज़ेशन को भी सक्षम बनाता है। सिस्टम जनरेशन दक्षता को प्रबंधित करने के लिए विभिन्न ऑप्टिमाइज़ेशन तकनीकों को शामिल करता है, जिसमें मेमोरी उपयोग और इन्फरेंस लेटेंसी को कम करने के लिए डिस्टिलेशन-आधारित सैंपलिंग और क्वांटाइजेशन शामिल है। अतिरिक्त संरचनात्मक घटक समय और स्थान के साथ निरंतरता बनाए रखने के लिए लेटेंट-स्पेस कम्प्रेशन और स्थानिक-अस्थायी मॉडलिंग को कवर करते हैं।
Employs diffusion model distillation to reduce inference steps and accelerate video generation.
Python - tencent-hunyuan/hunyuandit
Tencent-Hunyuan/HunyuanDiT
4,292GitHub पर देखेंHunyuanDiT एक द्विभाषी टेक्स्ट-टू-इमेज जनरेटिव मॉडल और डिफ्यूज़न ट्रांसफ़ॉर्मर इमेज जनरेटर है। यह टेक्स्ट प्रॉम्प्ट्स से उच्च-रिज़ॉल्यूशन वाली इमेज को संश्लेषित करने के लिए एक लेटेंट डिफ्यूज़न सिस्टम का उपयोग करता है, जिसका मुख्य ध्यान चीनी और अंग्रेजी दोनों भाषा के विवरणों से सामग्री को समझने और उत्पन्न करने पर है। इस प्रोजेक्ट में एक मल्टी-रिज़ॉल्यूशन ट्रांसफ़ॉर्मर आर्किटेक्चर और विभिन्न लिपियों को एक साझा सिमेंटिक क्षेत्र में मैप करने के लिए एक द्विभाषी एम्बेडिंग स्पेस है। यह पुनरावृत्ति मल्टी-टर्न इमेज रिफाइनमेंट का समर्थन करता है, जो दृश्य सामग्री को क्रमिक रूप से संशोधित करने के लिए संवादात्मक संवाद को अपडेट किए गए प्रॉम्प्ट्स में अनुवादित करता है। इस सिस्टम में ऑटोमेटेड इमेज कैप्शनिंग, लेआउट नियंत्रण के लिए स्ट्रक्चरल इमेज बाधाएं, और विशिष्ट डेटासेट या कलात्मक शैलियों के लिए जनरेटर को अनुकूलित करने के लिए मॉडल वेट फ़ाइन-ट्यूनिंग की क्षमताएं शामिल हैं। प्रदर्शन अनुकूलन में इन्फरेंस त्वरण के लिए मॉडल डिस्टिलेशन और कम वीडियो मेमोरी वाले हार्डवेयर पर निष्पादन के लिए समर्थन शामिल है।
Provides a model distillation pipeline to reduce sampling steps and accelerate image generation inference.
Jupyter Notebook - hao-ai-lab/fastvideo
hao-ai-lab/FastVideo
3,743GitHub पर देखेंFastVideo is a comprehensive system for accelerated video generation, serving as a video generation inference engine, a video diffusion training framework, and a modular pipeline orchestrator. It provides a distributed transformer optimizer and a distillation toolkit designed to reduce denoising steps and model complexity to increase frame rates. The project distinguishes itself through specialized acceleration techniques, including joint distillation and sparse attention training. It implements low-step video generation and weight quantization to FP8 or FP4 precision to increase throughput a
Implements student-teacher distillation specifically to accelerate diffusion-based video generation models.
Pythondiffusersdiffusion-modelsdistillation
