showlab

Une liste organisée de modèles de diffusion récents pour la génération vidéo, l'édition et diverses autres applications.

Génération automatique de vidéos à partir d'articles scientifiques.

[ICML 2026] Génération vidéo via code

[ICLR & NeurIPS 2025] Dépôt pour la série Show-o, un transformeur unique pour unifier la compréhension et la génération multimodales.

Agent GUI prêt à l'emploi (OOTB) pour Windows et macOS

[CVPR 2025] Modèle Vision-Language-Action open source de bout en bout pour les agents GUI et l'utilisation informatique

💻 Une liste organisée d'articles et de ressources sur les agents d'interface utilisateur graphique (GUI) multimodaux.

[IJCV] Show-1 : Marier les modèles de diffusion de pixels et latents pour la génération de texte en vidéo

[ECCV 2024 Oral] MotionDirector : Personnalisation de mouvement pour les modèles de diffusion texte-vidéo.

📖 Une liste organisée de ressources dédiées aux hallucinations des grands modèles de langage multimodaux (MLLM).

Dépôt pour organiser les articles, codes et autres ressources liés aux modèles multimodaux unifiés.

[CVPR 2024] X-Adapter : ajout d'une compatibilité universelle des plugins pour les modèles de diffusion mis à niveau.

VideoLLM-online : Modèle de langage vidéo volumineux en ligne pour le streaming vidéo (CVPR 2024)

[CVPR 2025] Narration vidéo comme vocabulaire et vidéo comme document long

[ECCV 2024] DragAnything : Contrôle de mouvement pour tout type d'objet via la représentation d'entités.