「diffusion-model」に関するオープンソースプロジェクト

Tencent Hunyuanのオープンソースモデル。参照画像とキーボードやマウスの入力から、操作可能なゲーム動画を生成します。

FSDP2、Muon、Liger kernelsに対応し、vision-language・diffusion・MoEアーキテクチャを扱えるマルチモーダルモデル向けの統合学習エンジン。