showlab

Una lista seleccionada de modelos de difusión recientes para generación de video, edición y varias otras aplicaciones.

Generación automática de videos a partir de artículos científicos

[ICML 2026] Generación de video mediante código

[ICLR & NeurIPS 2025] Repositorio para la serie Show-o, un único Transformer para unificar la comprensión y generación multimodal.

Agente GUI listo para usar (OOTB) para Windows y macOS

[CVPR 2025] Modelo Vision-Language-Action de código abierto y de extremo a extremo para GUI Agent y uso de computadoras.

Una lista curada de artículos y recursos para agentes de interfaz gráfica de usuario (GUI) multimodales.

[IJCV] Show-1: Combinación de modelos de difusión de píxeles y latentes para la generación de texto a video

[ECCV 2024 Oral] MotionDirector: personalización de movimiento para modelos de difusión de texto a video.

📖 Una lista curada de recursos dedicados a la alucinación de modelos de lenguaje multimodal (MLLM).

Repositorio para organizar artículos, códigos y otros recursos relacionados con modelos multimodales unificados.

[CVPR 2024] X-Adapter: Añadiendo compatibilidad universal de plugins para modelos de difusión actualizados

VideoLLM-online: Modelo de lenguaje grande de video en línea para video en streaming (CVPR 2024)

[CVPR 2025] Narración de video como vocabulario y video como documento largo

[ECCV 2024] DragAnything: control de movimiento para cualquier objeto mediante representación de entidades