Awesome-Diffusion-Models

想象一下，当你打开一个页面，发现它像一张"AI生图领域的全景地图"——从2015年Score Matching的理论萌芽，到2023年DALL-E 3、Stable Diffusion掀起全民创作热潮，2928篇顶会论文和arXiv预印本被系统整理，按应用领域层层分类。这不是教科书，而是GitHub上最全的扩散模型论文索引库。

Awesome-Diffusion-Models 由独立研究者维护（org: diff-usion），2021年9月创建，至今已累积超过1.2万颗星、1015个Fork，涵盖从基础理论（DDPM、Score-Based Models）到多模态应用（文生图、文生视频、3D分子生成、语音合成）的完整发展脉络。它与Stable Diffusion论文并列成为diffusion领域最具影响力的学习资源之一。

如果说传统的论文库是图书馆的卡片目录，那么Awesome-Diffusion-Models就是一位精通扩散模型的"论文导航员"——它按照应用领域（Vision、Audio、Natural Language、Graph、Tabular & Time Series）划分章节，每个领域下再细分任务（例如Vision下有Generation、Segmentation、Medical Imaging等），并标注论文来源（arXiv / NeurIPS / ICLR / ICML）和GitHub链接。这种多维度索引让研究者可以快速定位自己需要的论文，而不必在浩如烟海的arXiv中逐一搜索。

核心功能

1. 按领域分类的论文索引

项目将扩散模型相关论文分为5大领域：

• Vision（视觉）：涵盖图像生成（DDPM、LDM、DiT）、图像翻译（InstructPix2Pix）、视频生成（Video Diffusion、Latent Video Diffusion）、3D重建、医学影像等核心方向。其中DiT（Scalable Diffusion Models with Transformers）将Transformer引入扩散模型，标志着该领域进入新阶段。

• Audio（音频）：包括语音生成（TTS）、语音增强、语音分离、音频转换等。代表工作如DiffWave（基于分数匹配的声波生成）和Grad-TTS（基于扩散的语音合成），展示了扩散模型在时序信号上的强大建模能力。

• Natural Language（自然语言）：探索扩散模型在文本生成领域的应用，涵盖文本到文本生成、机器翻译、代码生成等。Diffusion-LM首次将连续扩散模型引入可控文本生成，引发了大量后续研究。

• Graph（图结构）：分子图生成（GraphGDP、DiGress）、蛋白质结构生成（RFdiffusion、FrameDiff）、材料设计等。扩散模型在3D分子构象生成上的突破，正在加速新药发现和材料科学的进程。

• Tabular & Time Series（表格与时序）：时间序列预测（CSDI、TimeGrad）、缺失值填补、概率预测等方向。Score-based模型在金融、医疗等需要对不确定性建模的场景中表现出色。

2. 自动构建的静态网站

项目通过Python脚本（website/main.py）从db.json数据库自动生成HTML页面（docs/目录），实现了论文数据的可视化展示。这套生成体系基于Jinja2模板，支持按领域、按任务、按时间排序浏览，相当于一个可离线使用的本地论文数据库。

3. 精选资源导航

除了论文索引，项目还收录了入门讲座（Introductory Lectures）、综述论文（Survey Papers）、博客文章（Posts）和教程（Jupyter Notebooks），帮助不同阶段的研究者快速上手。对于刚接触扩散模型的学习者，这些资源是宝贵的系统性入口。

技术架构

Awesome-Diffusion-Models本质上是一个静态内容聚合项目，其架构简洁而高效：

README.md  <- 主入口，手工维护分类索引（Markdown格式）
db.json    <- 结构化论文数据（Python构建脚本来源）
website/
  main.py       <- 使用Jinja2模板从db.json生成HTML
  build.sh      <- 一键构建脚本
docs/          <- 生成的静态HTML页面（可部署为GitHub Pages）
template/      <- HTML模板与样式文件

项目主要使用Python（构建脚本）和HTML/CSS（展示层），无深度学习依赖，零运行成本。维护者通过手动或脚本方式向db.json添加新论文，再触发HTML生成流程，最终push到GitHub Pages。

上手门槛与使用建议

使用门槛：极低——无需安装任何依赖，直接在GitHub上浏览README.md即可获取完整内容。如果需要本地搜索，可以clone后使用VS Code的全文搜索或Typora等Markdown阅读器。

推荐使用场景：

• 文献调研：进入对应领域章节，逐一查看论文标题和GitHub链接，高效筛选目标论文
• 追踪前沿：定期查看GitHub更新，快速了解近一个月的新工作
• 构建自己的列表：fork后按需增删字段，定制为个人专属的论文库

局限与争议

作为一个人工维护的精选列表，该项目不可避免地存在一些局限：

• 覆盖不完全：由于依赖人工收录，部分新兴工作可能收录滞后，无法做到真正意义上的实时更新
• 分类主观性：论文的领域归属由维护者判断，同一篇论文可能被归入不同类别，缺乏统一的分类标准
• 非可运行代码：这是一个资源索引项目，不提供预训练模型或推理代码，实际使用需要结合具体GitHub仓库

这些局限并不影响其作为学习工具的价值，但对于需要完整覆盖的研究场景，仍需结合Papers with Code、arXiv Sanity等工具交叉验证。

行业意义与增长趋势

扩散模型从2019年DDPM提出，到2022年Stable Diffusion爆火，再到2023年Sora展示视频生成潜力，短短几年间从学术研究走向大众应用。Awesome-Diffusion-Models作为这一浪潮的忠实记录者，其1.2万星的关注量本身就是一个信号——说明整个AI社区对扩散模型的学习需求极其旺盛。

该项目也反映了开源社区的一种重要协作模式：由少数核心维护者驱动，依靠社区提交PR持续补充内容。它不仅是一个工具，更是一个让全球研究者共同参与的知识沉淀平台。随着diffusion继续向多模态、3D生成、科学计算渗透，这类高质量资源库的价值将持续放大。

图1：Awesome-Diffusion-Models项目徽标（MIT License）