image-generation

視覚分野における自己回帰モデルのサーベイ論文。

Open-WebUI Tools は、Open WebUI インスタンスを拡張・強化し、強力な AI ワークステーションへと変えるために設計されたモジュール式ツールキットです。15 種類以上の特化型ツール、関数パイプライン、フィルターを備え、学術研究、エージェントの自律性、マルチモーダルの創造性、ワークフローなどをサポートします。

複数のプロバイダー間で再現可能な画像および動画ワークフローを備えた、人間とコーディングエージェントのためのローカルファーストなビジュアル生成ランタイムおよびスタジオ

テキストから動画への生成／合成に関するサーベイ。

写真をスパースなエディトリアル抽象表現に抽出するための、ソース公開型 Codex スキル

Xから厳選された、エンゲージメント順のAI画像プロンプト1,400選。NanoBanana、GPT Image 2、Midjourneyに対応

ComfyUI向けのローカルファーストかつエージェントネイティブなコントロールプレーン。MCPサーバーとサイドバーエージェントを備え、あらゆるLLM（Claude、ChatGPT、Gemini、オフラインのOllama、または任意のホステッドモデル）を使用して、自然言語で画像・動画・音声の生成、ワークフローの作成・実行、ライブグラフの編集を行います。178個のツール、36個のAIスキル、55個のインストーラーパックを搭載。ローカル、LAN、VPS、Comfy Cloudに対応。

[ICCV 2021] 画像再構成と合成のための Focal Frequency Loss

[ICLR 2026] ChronoEdit: 画像編集とワールドシミュレーションにおける時間的推論に向けて

画像信号処理（ISP）ガイド。専用のメディアプロセッサを使用し、ノイズ低減、フィルタリング、自動露出、オートフォーカス、HDR補正、シャープネス処理などのタスクを実行して、画像や動画をデジタル形式に変換するプロセスについて学びます。

[ECCV 2024] OMG: 拡散モデルにおけるオクルージョンに対応したパーソナライズされたマルチコンセプト生成

GPT-image-2向けのAI画像生成WebUIワークベンチ。Codex ResponsesおよびOpenAI互換APIに対応し、共有ギャラリー、マルチタイプのクイックチップ、プロンプトテンプレート、マルチタスク並行処理、ローカルキュー管理を内蔵しています。

Flow-Matching モデルでの強化学習を容易にする統合フレームワーク

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC 関連の論文とコードのコレクション

HunyuanImage-2.1: 高解像度（2K）テキストから画像への生成を行う効率的な拡散モデル

CVPR2023/2022 の Low-Level Vision に関する論文とコードのコレクション

[ICLR 2025] ベクトル量子化を使用しない自己回帰型動画生成

StableDiffusion (1.5およびXL)、ControlNet、Midas、HED、OpenPoseなど、複数のオフラインAIモデルの純粋なC++によるONNX実装を含むリポジトリです。

「Blended Latent Diffusion」の公式実装 [SIGGRAPH 2023]

waiIllustriousSDXL、waiANIMA などのモデル向けに、AI プロンプトと ComfyUI/WebUI API をサポートするキャラクター選択スタンドアロンアプリ

Stable Diffusion のもう一つの PyTorch 実装（おそらく読みやすい）

AI 画像生成向けの再利用可能な JSON プロンプトテンプレートとスタイルリファレンスの厳選コレクション。毎日更新。

CVPR 2025 の論文「SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models」の公式コード

📚 GPT4oプロンプト辞典 | AI画像生成プロンプトの厳選コレクション

Weavy AI、Krea Nodes、Freepik Spaces、FloraFauna AIの無料かつオープンソースの代替品 — 生成AI画像および動画パイプライン向けのノードベースAIワークフロービルダー

ECCV 2024論文「One-Shot Diffusion Mimicker for Handwritten Text Generation」の公式コード

Genblaze は、動画、音声、画像プロバイダーにわたる生成 AI メディアパイプラインをオーケストレーションするためのオープンソースの Python SDK であり、すべての出力に対して出所の追跡機能が組み込まれています。

[AAAI2024] FontDiffuser: マルチスケールコンテンツ集約とスタイル対照学習によるノイズ除去拡散モデルを用いたワンショットフォント生成

Codex skill for turning everyday photos into poetic white-paper hand-drawn illustrations.

AI Pluginは、Payload CMS向けの強力な拡張機能であり、高度なAI機能を統合してコンテンツの作成と管理を強化します。