video-generation

[AAAI 2025] Follow-Your-Click: Kho lưu trữ này là bản cài đặt chính thức của "Follow-Your-Click: Open-domain Regional Image Animation via Short Prompts"

[NeurIPS 2024] Mô hình thế giới có khả năng tổng quát hóa cho xe tự hành

[ACM MM 2025] Ditto: Khuếch tán không gian chuyển động để tổng hợp Talking Head thời gian thực có thể kiểm soát

[ICLR2026] SeedVR2: Khôi phục video một bước thông qua huấn luyện hậu kỳ đối nghịch khuếch tán (Diffusion Adversarial Post-Training).

[CVPR 2025 Highlight🔥] Tạo video từ văn bản bảo toàn danh tính bằng phân tách tần số

UniAnimate-DiT: Hoạt họa ảnh con người sử dụng Video Diffusion Transformer quy mô lớn

[SIGGRAPH 2025] Diffusion as Shader: Khuếch tán video nhận thức 3D để kiểm soát tạo video linh hoạt

Triển khai chính thức cho "RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers" (ICML 2025), UltraViCo (ICLR 2026) và UltraImage

Một công cụ huấn luyện mô hình đa phương thức đơn giản và thống nhất. Tinh gọn, linh hoạt và được xây dựng để tùy chỉnh ở quy mô lớn.

Tạo video từ văn bản bằng AI

Kandinsky 5.0: Một dòng mô hình khuếch tán để tạo Video và Hình ảnh

Tạo các cảnh 3D quy mô lớn có thể khám phá với video toàn cảnh chất lượng cao từ một hình ảnh hoặc văn bản gợi ý duy nhất.

CLI tạo phương tiện Flatkey cho hình ảnh, video, âm thanh, văn bản, thông tin ghi công và khám phá mô hình.

[TMLR 2025🔥] Khảo sát về các mô hình tự hồi quy trong thị giác máy tính.

[CVPR 2024 Highlight] GenAD: Mô hình dự đoán tổng quát cho xe tự lái

Open-WebUI Tools là bộ công cụ mô-đun được thiết kế để mở rộng và làm phong phú thêm phiên bản Open WebUI của bạn, biến nó thành một trạm làm việc AI mạnh mẽ. Với hơn 15 công cụ chuyên dụng, đường ống chức năng và bộ lọc, dự án này hỗ trợ nghiên cứu học thuật, tính tự chủ của tác nhân, sáng tạo đa phương thức, quy trình làm việc và nhiều hơn nữa.

rCM & Causal-rCM: Các thuật toán/cơ sở hạ tầng hàng đầu và thống nhất cho việc chưng cất khuếch tán video hai chiều/tự hồi quy ở quy mô lớn.

[NeurIPS 2025 Oral] Infinity⭐️: Mô hình tự hồi quy không gian-thời gian thống nhất cho tạo hình ảnh.

Bộ sưu tập các nghiên cứu tuyệt vời về tạo video.

[ICML 2024] MagicPose (còn gọi là MagicDance): Tái tạo tư thế người và biểu cảm khuôn mặt chân thực với Diffusion nhận diện danh tính

Môi trường thực thi và studio tạo hình ảnh trực quan local-first dành cho người dùng và các coding agent, hỗ trợ quy trình làm việc hình ảnh và video có thể tái lập trên nhiều nhà cung cấp.

Khảo sát về tạo/tổng hợp văn bản thành video.

Cosmos-Transfer2.5, được xây dựng trên nền tảng Cosmos-Predict2.5, tạo ra các mô phỏng thế giới chất lượng cao dựa trên nhiều đầu vào điều khiển không gian.

[ICCV 2025] Triển khai chính thức của bài báo “MagicDrive-V2: Tạo video dài độ phân giải cao cho lái xe tự động với điều khiển thích ứng”

Control plane ưu tiên cục bộ, hỗ trợ agent cho ComfyUI — bao gồm MCP server và sidebar agent giúp tạo hình ảnh, video & âm thanh, viết và chạy quy trình, chỉnh sửa đồ thị trực tiếp bằng ngôn ngữ tự nhiên trên bất kỳ LLM nào (Claude, ChatGPT, Gemini, Ollama ngoại tuyến hoặc bất kỳ mô hình được lưu trữ nào). Gồm 178 công cụ, 36 kỹ năng AI, 55 gói cài đặt. Hỗ trợ cục bộ, LAN, VPS hoặc Comfy Cloud.

Một kho lưu trữ tối giản, đầy đủ tiện ích để thúc đẩy khoa học về mô hình thế giới (World Model).

[ICML 2025] Triển khai PyTorch chính thức cho "History-Guided Video Diffusion"

[ICLR 2026] ChronoEdit: Hướng tới suy luận thời gian cho chỉnh sửa hình ảnh và mô phỏng thế giới

[ECCV 2026] SparkVSR: Siêu phân giải video tương tác thông qua lan truyền keyframe thưa

Danh sách tổng hợp các Video World Models với AR Diffusion: Bao gồm thuật toán, ứng dụng và cơ sở hạ tầng, nhằm phục vụ như một tài nguyên toàn diện cho các nhà nghiên cứu, chuyên gia và người đam mê.