showlab

Daftar terkurasi dari model difusi terbaru untuk pembuatan video, pengeditan, dan berbagai aplikasi lainnya.

Pembuatan video otomatis dari makalah ilmiah.

[ICML 2026] Pembuatan video melalui kode

[ICLR & NeurIPS 2025] Repositori untuk seri Show-o, satu Transformer tunggal untuk menyatukan pemahaman dan generasi multimodal.

Agen GUI siap pakai (OOTB) untuk Windows dan macOS

[CVPR 2025] Model Vision-Language-Action end-to-end open-source untuk GUI Agent & Computer Use.

💻 Daftar pilihan makalah dan sumber daya untuk agen Graphical User Interface (GUI) multi-modal.

[IJCV] Show-1: Menggabungkan Model Difusi Piksel dan Laten untuk Generasi Teks-ke-Video

[ECCV 2024 Oral] MotionDirector: Kustomisasi Gerakan pada Model Difusi Text-to-Video.

📖 Daftar sumber daya terkurasi yang didedikasikan untuk halusinasi pada model bahasa besar multimodal (MLLM).

📖 Repositori untuk mengorganisir makalah, kode, dan sumber daya lain yang terkait dengan model multimodal terpadu.

[CVPR 2024] X-Adapter: Menambahkan Kompatibilitas Universal Plugin untuk Model Difusi yang Ditingkatkan

VideoLLM-online: Model Bahasa Besar Video Daring untuk Streaming Video (CVPR 2024).

[CVPR 2025] Narasi Video sebagai Kosakata & Video sebagai Dokumen Panjang

[ECCV 2024] DragAnything: Kontrol Gerakan untuk Apa Saja Menggunakan Representasi Entitas