showlab

動画生成、編集、およびその他の様々なアプリケーション向けの最新の拡散モデルの厳選リスト。

科学論文からの自動動画生成

[ICML 2026] コードによる動画生成

[ICLR & NeurIPS 2025] マルチモーダルな理解と生成を統合する単一のTransformer、Show-oシリーズのリポジトリ。

Windows および macOS 向けのすぐに使える（OOTB）GUI エージェント

[CVPR 2025] GUI エージェントおよび Computer Use 向けのオープンソースなエンドツーエンド Vision-Language-Action モデル。

💻 マルチモーダルGUIエージェントに関する論文とリソースのキュレーションリスト

[IJCV] Show-1: テキストからの動画生成に向けて Pixel 拡散モデルと Latent 拡散モデルを融合

[ECCV 2024 Oral] MotionDirector: Text-to-Video Diffusionモデルのモーションカスタマイズ。

📖 マルチモーダル大規模言語モデル（MLLM）のハルシネーションに関する厳選されたリソースリスト

📖 統合マルチモーダルモデルに関連する論文、コード、その他のリソースをまとめたリポジトリです。

[CVPR 2024] X-Adapter: アップグレードされた Diffusion Model にプラグインの普遍的な互換性を追加する

VideoLLM-online: ストリーミングビデオ向けオンライン動画大規模言語モデル (CVPR 2024)

[CVPR 2025] 語彙としてのビデオナレーションと長期ドキュメントとしてのビデオ

[ECCV 2024] DragAnything: エンティティ表現を用いたあらゆるもののモーションコントロール