#GPU必須 (827 repos)

UNITEは、画像や分子などのモダリティに対応した、トークン化と潜在拡散モデルの生成を単一ステージでend-to-endに学…

NAS3Rは、新規ビュー合成を介して自己教師あり3D再構築を行うためのフィードフォワードフレームワークです。このツー…

SpatialBenchは、マルチモーダル大規模言語モデル（MLLM）のビデオ空間理解能力を評価するオープンソースベンチマー…

「Qwen3-TTS Easy Finetuning」は、Qwen3-TTSモデルのファインチューニングを簡素化し、高速かつ高品質な音声クロー…

このツールは、ComfyUIユーザー向けにFLUX.2モデルでの顔の一貫性を実現するPuLIDの初めての実装です。特に、生成さ…

このツールは、ComfyUI用のカスタムノード「LoRA Tag Loader for ComfyUI」です。テキストプロンプト内に記述されたL…

PersonaVLMは、長期的なパーソナライゼーションを実現する革新的なマルチモーダルLLMエージェントフレームワークです…

SuperFitは、CVPR 2026で発表された、3D形状にSuperFrusta、直方体、超二次曲面といったコンパクトなプリミティブア…

「theDAW」はGANTASMOが開発したAI音楽制作のためのオールインワンスタジオです。既存のオーディオ、テキストプロン…

ComfyUI-PiDは、NVIDIAのPiD（Pixel Diffusion）技術をComfyUI上で利用するためのカスタムノード集です。画素拡散デ…

HiFi-Inpaintは、CVPR 2026で発表された、人間と商品を組み合わせた高品質な画像を生成するための参照ベースのインペ…

ComfyUI-Foundation-1は、音楽制作のための構造化されたText-to-Sample拡散モデル「Foundation-1」に対応するComfyUI…

このツール「ComfyUI-DiffSynth-Studio」は、最先端の動画生成・スタイル変換AIである「DiffSynth-Studio」の機能を…

LongLive-RAGは、長尺動画生成における品質と一貫性の課題を解決するための汎用的なRetrieval-Augmented Frameworkで…

FlowInOneは、画像を入力として画像を出力する、ビジョン中心のマルチモーダル画像生成モデルです。Image-in, Image-…

「locate-anything」は、NVIDIAのLocateAnything-3Bモデルを利用した、モバイルフレンドリーなWebインターフェースで…

PhotoDoodleは、限られたペアデータから芸術的な画像編集を学習する手法をComfyUIで利用可能にするツールです。本ツ…

NeRF2Physicsは、CVPR 2024で発表された、言語埋め込み特徴フィールドから物理的特性を理解するためのツールです。Ne…

ComfyUI上でDiffusersベースの画像アウトペイントを行うためのカスタムノード集です。SDXL系のUNetとControlNetを読…

ReactiveGWMは、プレイヤー操作とNPCの自律性を分離することで、ゲーム内のNPCをより動的に制御する新しいゲーム世界…

「MobileI2V」は、画像から高品質な動画を高速で生成できるツールです。特にモバイルデバイスでの利用に最適化されて…