video-generation

[AAAI 2025] Follow-Your-Click: Repositori ini adalah implementasi resmi dari "Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts".

[NeurIPS 2024] Model Dunia yang Dapat Digeneralisasi untuk Mengemudi Otonom.

[ACM MM 2025] Ditto: Difusi Ruang-Gerak untuk Sintesis Kepala Berbicara Realtime yang Dapat Dikontrol

[ICLR2026] SeedVR2: Pemulihan Video Satu Langkah melalui Pelatihan Lanjutan Musuh Difusi

[Sorotan CVPR 2025🔥] Pembuatan Video dari Teks dengan Menjaga Identitas melalui Dekomposisi Frekuensi

UniAnimate-DiT: Animasi Gambar Manusia dengan Large-Scale Video Diffusion Transformer

[SIGGRAPH 2025] Diffusion as Shader: 3D-aware Video Diffusion untuk Kontrol Pembuatan Video yang Serbaguna

Implementasi resmi untuk "RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers" (ICML 2025), UltraViCo (ICLR 2026), dan UltraImage

Mesin pelatihan model multimodal yang sederhana dan terpadu. Ringan, fleksibel, dan dirancang untuk peretasan skala besar.

Hasilkan video dari teks menggunakan AI

Kandinsky 5.0: Sekeluarga model difusi untuk pembuatan Video & Gambar

Hasilkan adegan 3D berskala besar yang dapat dijelajahi dengan video panorama berkualitas tinggi dari satu gambar atau prompt teks.

CLI pembuatan media Flatkey untuk gambar, video, audio, teks, kredit, dan penemuan model.

[TMLR 2025🔥] Survei untuk model autoregresif dalam visi.

[CVPR 2024 Highlight] GenAD: Model Prediktif Generalisasi untuk Mengemudi Otonom

Open‑WebUI Tools adalah toolkit modular yang dirancang untuk memperluas dan memperkaya instans Open WebUI Anda, mengubahnya menjadi stasiun kerja AI yang canggih. Dengan rangkaian lebih dari 15 alat khusus, pipa fungsi, dan filter, proyek ini mendukung penelitian akademis, otonomi agen, kreativitas multimodal, alur kerja, dan banyak lagi

rCM & Causal-rCM: Algoritma/Infrastruktur Utama dan Terpadu untuk Distilasi Difusi Video Dua Arah/Autoregresif dalam Skala Besar

[NeurIPS 2025 Oral] Infinity⭐️: Pemodelan AutoRegressive Ruang-Waktu Terpadu untuk Pembuatan Visual

Kumpulan studi pembuatan video yang luar biasa.

[ICML 2024] MagicPose (juga dikenal sebagai MagicDance): Retargeting Pose Manusia dan Ekspresi Wajah Realistis dengan Diffusion yang Sadar Identitas

Runtime dan studio pembuatan visual lokal pertama untuk manusia dan agen pengkodean, dengan alur kerja gambar dan video yang dapat direproduksi di berbagai penyedia.

Survei tentang Pembuatan/Sintesis Teks-ke-Video.

Cosmos-Transfer2.5, dibangun di atas Cosmos-Predict2.5, menghasilkan simulasi dunia berkualitas tinggi yang dikondisikan pada berbagai input kontrol spasial.

[ICCV 2025] Implementasi resmi dari makalah “MagicDrive-V2: Pembuatan Video Panjang Resolusi Tinggi untuk Berkendara Otonom dengan Kontrol Adaptif”

Control plane berbasis agen dan lokal untuk ComfyUI — server MCP + agen sidebar yang menghasilkan gambar, video & audio, menulis dan menjalankan alur kerja, serta mengedit grafik langsung Anda dalam bahasa alami di LLM APA PUN (Claude, ChatGPT, Gemini, Ollama offline, atau model yang dihosting). 178 alat, 36 keterampilan AI, 55 paket installer. Lokal, LAN, VPS, atau Comfy Cloud.

Repositori minimalis yang lengkap untuk memajukan sains World Model.

[ICML 2025] Implementasi Resmi PyTorch dari "History-Guided Video Diffusion"

[ICLR 2026] ChronoEdit: Menuju Penalaran Temporal untuk Pengeditan Gambar dan Simulasi Dunia

[ECCV 2026] SparkVSR: Super-Resolusi Video Interaktif melalui Propagasi Kunci Jarang

Daftar kurasi model dunia video (Video World Models) dengan AR Diffusion: mencakup algoritma, aplikasi, dan infrastruktur, yang bertujuan sebagai sumber daya komprehensif bagi peneliti, praktisi, dan penggemar.