video-generation

Clip-Verknüpfung für MiniMax H3 in ComfyUI – Bewegung und Audio werden nahtlos über Übergänge hinweg fortgesetzt

[AAAI 2025] Follow-Your-Click: Dieses Repository ist die offizielle Implementierung von „Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts“

[NeurIPS 2024] Ein verallgemeinerbares Weltmodell für autonomes Fahren

[ACM MM 2025] Ditto: Motion-Space Diffusion für steuerbare Echtzeit-Sprechkopf-Synthese.

[ICLR2026] SeedVR2: Ein-Schritt-Videowiederherstellung durch Diffusion Adversarial Post-Training

[CVPR 2025 Highlight🔥] Identitätserhaltende Text-zu-Video-Generierung durch Frequenzzerlegung

UniAnimate-DiT: Menschliche Bildanimation mit Large-Scale Video Diffusion Transformer

Flatkey Media-Generierungs-CLI für Bilder, Videos, Audio, Text, Credits und Modellsuche.

[SIGGRAPH 2025] Diffusion als Shader: 3D-bewusste Videodiffusion für vielseitige Steuerung der Videogenerierung.

Offizielle Implementierung für „RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers“ (ICML 2025), UltraViCo (ICLR 2026) und UltraImage

Eine einfache, einheitliche Trainings-Engine für multimodale Modelle. Schlank, flexibel und für skalierbares Hacking konzipiert.

Kandinsky 5.0: Eine Familie von Diffusionsmodellen für die Video- und Bildgenerierung

Generieren Sie Videos aus Text mithilfe von KI

Generieren Sie groß angelegte, erkundbare 3D-Szenen mit hochwertigen Panoramavideos aus einem einzigen Bild oder Texteingabeaufforderung.

[TMLR 2025🔥] Eine Übersicht über autoregressive Modelle in der Vision.

Open-WebUI Tools ist ein modulares Toolkit zur Erweiterung und Bereicherung Ihrer Open-WebUI-Instanz, das sie in eine leistungsstarke KI-Workstation verwandelt. Mit über 15 spezialisierten Tools, Funktions-Pipelines und Filtern unterstützt dieses Projekt akademische Forschung, agentenbasierte Autonomie, multimodale Kreativität, Workflows und mehr.

[CVPR 2024 Highlight] GenAD: Generalisiertes Prädiktives Modell für das autonome Fahren

rCM & Causal-rCM: Führende und einheitliche Algorithmen/Infrastrukturen für die bidirektionale/autoregressive Video-Diffusion-Destillation im großen Maßstab.

[NeurIPS 2025 Oral] Infinity⭐️: Einheitliche raumzeitliche autoregressive Modellierung für visuelle Generierung

Eine Sammlung herausragender Videogenerierungsstudien.

[ICML 2024] MagicPose (auch bekannt als MagicDance): Realistische Übertragung von menschlichen Posen und Gesichtsausdrücken mit identitätsbewusster Diffusion

Local-first visuelle Generierungs-Laufzeitumgebung und -Studio für Menschen und Coding Agents, mit reproduzierbaren Bild- und Video-Workflows über mehrere Anbieter hinweg.

Eine Übersicht zur Text-zu-Video-Generierung/-Synthese.

Cosmos-Transfer2.5, basierend auf Cosmos-Predict2.5, erzeugt hochwertige Weltsimulationen unter Berücksichtigung mehrerer räumlicher Steuerungseingaben.

Lokales, agenten-natives Control Plane für ComfyUI – MCP-Server + Seitenleisten-Agent, der Bilder, Videos und Audio generiert, Workflows erstellt und ausführt sowie Ihren Live-Graphen in natürlicher Sprache mit beliebigem LLM (Claude, ChatGPT, Gemini, offline Ollama oder jedem gehosteten Modell) bearbeitet. 178 Tools, 36 KI-Fähigkeiten, 55 Installer-Pakete. Lokal, LAN, VPS oder Comfy Cloud.

Ein minimalistisches, funktionsreiches Repository zur Förderung der World-Model-Forschung.

[ICCV 2025] Offizielle Implementierung des Papiers „MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control“

[ICML 2025] Offizielle PyTorch-Implementierung von „History-Guided Video Diffusion“

[ICLR 2026] ChronoEdit: Hin zu temporalem Schließen für Bildbearbeitung und Weltsimulation

Eine kuratierte Liste fantastischer Video-Weltmodelle mit AR-Diffusion: Umfasst Algorithmen, Anwendungen und Infrastruktur als umfassende Ressource für Forscher, Praktiker und Enthusiasten.