video-generation

Génération de vidéo à partir de texte et d'image, 1ère génération

[AAAI 2025] Follow-Your-Click : Ce dépôt est l'implémentation officielle de "Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts"

[NeurIPS 2024] Un modèle mondial généralisable pour la conduite autonome.

[ACM MM 2025] Ditto : Diffusion dans l'espace de mouvement pour la synthèse contrôlable et en temps réel de têtes parlantes.

CLI de génération de médias Flatkey pour images, vidéos, audio, texte, crédits et découverte de modèles.

[ICLR2026] SeedVR2 : Restauration vidéo en une étape via post-entraînement par diffusion antagoniste.

[CVPR 2025 Highlight] Génération de texte vers vidéo préservant l'identité par décomposition fréquentielle.

UniAnimate-DiT : Animation d'images humaines avec un Transformer de diffusion vidéo à grande échelle

[SIGGRAPH 2025] Diffusion as Shader : diffusion vidéo consciente de la 3D pour un contrôle polyvalent de la génération vidéo.

Implémentation officielle pour « RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers » (ICML 2025), UltraViCo (ICLR 2026) et UltraImage

Un moteur d'entraînement simple et unifié pour modèles multimodaux. Léger, flexible et conçu pour le hacking à grande échelle.

Kandinsky 5.0 : Une famille de modèles de diffusion pour la génération d'images et de vidéos.

Générer des vidéos à partir de texte grâce à l'IA

Générez des scènes 3D explorables à grande échelle avec des vidéos panoramiques de haute qualité à partir d'une seule image ou d'une invite textuelle.

Open‑WebUI Tools est une boîte à outils modulaire conçue pour étendre et enrichir votre instance Open WebUI, la transformant en une puissante station de travail IA. Avec plus de 15 outils spécialisés, pipelines de fonctions et filtres, ce projet prend en charge la recherche universitaire, l'autonomie des agents, la créativité multimodale, les flux de travail, et plus encore.

[TMLR 2025🔥] Étude sur les modèles autorégressifs en vision.

[CVPR 2024 Highlight] GenAD : Modèle prédictif généralisé pour la conduite autonome.

rCM & Causal-rCM : Algorithmes et infrastructures de pointe unifiés pour la distillation de diffusion vidéo bidirectionnelle/autorégressive à grande échelle

[NeurIPS 2025 Oral] Infinity⭐️ : Modélisation autorégressive espace-temps unifiée pour la génération visuelle.

Une collection d'études impressionnantes sur la génération vidéo.

[ICML 2024] MagicPose (aussi connu sous le nom de MagicDance) : Retargeting réaliste de poses humaines et d'expressions faciales avec diffusion consciente de l'identité

Runtime et studio de génération visuelle local-first pour les utilisateurs et les agents de codage, avec des flux de travail d'images et de vidéos reproductibles sur plusieurs fournisseurs.

Une étude sur la génération et la synthèse de texte vers vidéo.

Cosmos-Transfer2.5, basé sur Cosmos-Predict2.5, génère des simulations de monde de haute qualité conditionnées par de multiples entrées de contrôle spatial

Plan de contrôle agent-natif first-local pour ComfyUI — serveur MCP + agent latéral qui génère des images, vidéos & audio, crée et exécute des workflows, et édite votre graphe en direct en langage naturel sur TOUT LLM (Claude, ChatGPT, Gemini, Ollama hors ligne, ou tout modèle hébergé). 178 outils, 36 compétences IA, 55 packs d'installation. Local, LAN, VPS ou Comfy Cloud.

Un dépôt minimaliste et complet pour faire progresser la science des modèles mondiaux.

[ICCV 2025] Implémentation officielle de l'article « MagicDrive-V2 : Génération de vidéos longues haute résolution pour la conduite autonome avec contrôle adaptatif ».

[ICML 2025] Implémentation officielle en PyTorch de « History-Guided Video Diffusion »

[ICLR 2026] ChronoEdit : Vers un raisonnement temporel pour l'édition d'images et la simulation de mondes

[ECCV 2026] SparkVSR : Super-résolution vidéo interactive par propagation de trames clés éparses