video-generation

ComfyUIにおけるMiniMax H3向けのクリップ連鎖 - 結合部分をまたいでモーションとオーディオが自然に継続

[AAAI 2025] Follow-Your-Click: 本リポジトリは論文「Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts」の公式実装です

[NeurIPS 2024] 自動運転のための汎用可能なワールドモデル

[ACM MM 2025] Ditto: 制御可能なリアルタイムトーキングヘッド合成のためのモーション空間拡散モデル

[ICLR2026] SeedVR2: 拡散敵対的ポストトレーニングによる1ステップ動画復元

[CVPR 2025 Highlight🔥] 周波数分解によるアイデンティティ保持型テキスト動画生成手法

UniAnimate-DiT: 大規模動画Diffusion Transformerを用いた人物画像アニメーション

[SIGGRAPH 2025] Diffusion as Shader: 多様な動画生成制御のための 3D 認識型ビデオディフュージョン

「RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers」（ICML 2025）、UltraViCo（ICLR 2026）、および UltraImage の公式実装

画像、動画、音声、テキスト、クレジット、モデル探索のための Flatkey メディア生成 CLI

シンプルで統一されたマルチモーダルモデル学習エンジン。軽量で柔軟性があり、大規模なハッキングに対応するように構築されています。

AI を使用してテキストから動画を生成

Kandinsky 5.0: 動画および画像生成のための拡散モデルファミリー

1枚の画像またはテキストプロンプトから、高品質なパノラマ動画を使用して大規模な探索可能な 3D シーンを生成します。

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。

[CVPR 2024 Highlight] GenAD: 自動運転のための汎用予測モデル

大規模な双方向／自己回帰ビデオ拡散モデルの蒸留に向けた、主導的かつ統合されたアルゴリズムおよびインフラストラクチャ（rCM & Causal-rCM）

[NeurIPS 2025 Oral]Infinity⭐️: 視覚生成のための統合時空間自己回帰モデリング

動画生成に関する素晴らしい研究のコレクション。

[ICML 2024] MagicPose (MagicDance としても知られる): アイデンティティを考慮した Diffusion によるリアルな人物のポーズと表情の再ターゲット

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。

Cosmos-Predict2.5をベースに構築されたCosmos-Transfer2.5は、複数の空間制御入力を条件とした高品質な世界シミュレーションを生成します。

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 2025] 論文「MagicDrive-V2: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control」の公式実装。

ワールドモデル科学の発展を目的とした、ミニマリストで機能が充実したリポジトリ。

[ICML 2025] 「History-Guided Video Diffusion」の公式 PyTorch 実装

[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

[ECCV 2026] SparkVSR: スパースキーフレーム伝播によるインタラクティブ映像超解像手法