showlab

Uma lista curada de modelos de difusão recentes para geração de vídeo, edição e várias outras aplicações.

Geração automática de vídeo a partir de artigos científicos.

[ICML 2026] Geração de vídeo via código

[ICLR & NeurIPS 2025] Repositório para a série Show-o, um único Transformer para unificar a compreensão e geração multimodal.

Agente de GUI pronto para uso (OOTB) para Windows e macOS

[CVPR 2025] Modelo de Visão-Linguagem-Ação de código aberto, ponta a ponta, para agente de GUI e uso de computador

Lista curada de artigos e recursos para agentes de interface gráfica (GUI) multimodais.

[IJCV] Show-1: Combinando modelos de difusão de pixels e latentes para geração de texto para vídeo

[ECCV 2024 Oral] MotionDirector: Personalização de movimento para modelos de difusão de texto para vídeo.

Uma lista curada de recursos dedicados a alucinações de modelos multimodais de linguagem grande (MLLM).

📖 Este é um repositório para organizar artigos, códigos e outros recursos relacionados a modelos multimodais unificados.

[CVPR 2024] X-Adapter: Adicionando compatibilidade universal de plugins para modelos de difusão atualizados

VideoLLM-online: Modelo de Linguagem de Grande escala para Vídeo em Streaming Online (CVPR 2024)

[CVPR 2025] Narração de vídeo como vocabulário e vídeo como documento longo

[ECCV 2024] DragAnything: Controle de Movimento para Qualquer Coisa usando Representação de Entidades