#GPU必須 (827 repos)

studiomi300は、1つのプロンプトから30秒のシネマティックなリール動画を生成するエンドツーエンドのツールです。Dir…

ComfyUI上でStableAvatarを使い、音声に合わせてアバター動画を生成するためのカスタムノードです。音声の長さに応じ…

VantageLongWanVideoは、ComfyUIで長時間のプロンプト駆動型ビデオ生成を行うための軽量なプロジェクト管理システム…

このツールは、ComfyUI用のSAMURAIモデルベースの動画オブジェクトセグメンテーションノードを提供します。ユーザー…

rayanht/msplatは、Apple Siliconデバイス向けにMetalをフル活用した3D Gaussian Splattingのトレーニングエンジンで…

「Coarse-guided-Gen」は、粗いサンプルをガイドとして、条件付きのビジュアルコンテンツ生成を可能にするツールです…

VL-Calibrationは、大規模視覚言語モデル（LVLMs）の推論における信頼性キャリブレーションを向上させるためのフレー…

「ComfyUI-FBCNN」は、人気の画像生成UI「ComfyUI」に、JPEG画像の圧縮ノイズ（アーティファクト）除去に特化したFBC…

BitBrainは、最小限のGPUリソース（RTX 3090以上）で独自の小型LLM（miniLLM）を学習できるプロジェクトです。Qwen3-…

「MediaMixer」は、ComfyUI向けの動画ユーティリティノード集です。動画結合、最終・初回フレーム抽出、YouTube動画…

Supertone/supertonic-3モデル向けに、音声スタイル（.jsonファイル）を学習させるためのツールです。低GPU使用量（…

ComfyUI向けの潜在空間アップスケール用カスタム実装・モデル集です。画像をRGBで拡大してから再エンコードするので…

Colored Noise Diffusion Sampling (CNS)は、拡散モデルの画像生成プロセスを最適化するプラグアンドプレイ型のSDEサ…

RTDMD（Reward-Tilted Distribution Matching Distillation）は、少ないステップ数で高品質な画像を生成する「few-st…

このツールは、人気の画像生成UIであるComfyUIのImg2Img機能を高速化するための拡張機能です。GaParmar氏のImg2Img-T…

SynthVisionは、医療画像VQA（Visual Question Answering）データセットの生成と、それを用いたVLM（Vision Language…

このリポジトリは、OpenPoseモデルを使用して人間のポーズキーポイントを抽出し、視覚化するPython実装を提供します…

StyleExpertは、HVision-NKUによって開発された、多様な画像スタイル変換を可能にするツールです。Mixture of Style …

LIVEditor-14Bは、文脈に即したスパースアテンション（In-Context Sparse Attention）を活用することで、動画編集に…

このプロジェクトは、Kimi TeamとMoonshotAIによる「Attention Residuals」のPyTorch実装です。Grouped Query Attent…

TimeOmni-1は、ICLR 2026に採択された研究に基づく、大規模言語モデルが時系列データを用いた複雑な推論を行うことを…

NeRAFは、ICLR 2025で発表された、3Dシーンの情報を統合したニューラルラディアンスフィールドとアコースティックフ…

このツールは、MicrosoftのImage-to-3D生成ツール「TRELLIS」を、AMD製GPU（特にROCm対応モデル）で動作するように修…