#GPU必須 (827 repos)

Video Diaryは、家庭用監視カメラの録画映像をAIで自動分析し、効率的な管理を可能にするシステムです。NASやディレ…

本ツールは、MediaTekのBreeze-ASR-26モデルを基盤とした台湾語（台語）に特化した音声文字起こしツールです。NVIDIA…

このツールは、UIUC Polaris GEM e4向けの歩行者認識自律走行スタック「ADAPT」です。拡散ベースの歩行者軌道予測器…

ZastTranslateは、動画の翻訳とAI音声クローンによる吹き替えを100%ローカルで実行するツールです。APIキー不要で、…

PHOBOSは、クラウドに依存せず、ユーザーのハードウェア上で完全に動作する自己主権型クリエイティブAIオペレーティ…

vslinx/ComfyUI-vslinx-nodesは、ComfyUIのワークフローを効率化・高速化するためのカスタムノード集です。複数画像…

FruitNeRF++は、果樹園における多様な果物の計数を汎用的に行うための新しい手法です。コントラスト学習とニューラル…

gerwang/nerf-emitterは、物理ベースの逆レンダリングにおいてNeRF（Neural Radiance Fields）を非遠方環境光源とし…

DVS (Drift Variation Score)は、グラフ拡散モデルにおけるサンプリング過程を改善する情報幾何学的な適応サンプリン…

VolFillは、単一のRGB画像から屋内の完全な3Dシーンジオメトリを再構築する革新的なツールです。前景の背後に隠れた…

UnMix-NeRFは、ICCV 2025で発表される新しい手法で、スペクトルアンミキシングをNeural Radiance Fields (NeRF) に統…

RealUIDは、ICLR 2026で発表された「Universal Inverse Distillation for Matching Models with Real-Data Supervisi…

「ComfyUI-LocateAnything」は、NVIDIAのLocateAnything-3BビジュアルグラウンディングモデルをComfyUIで利用可能に…

Diffusers Tunerは、Hugging Face Diffusersモデルのファインチューニングにおける複雑さとオーバーヘッドを排除する…

CrossScoreは、ECCV 2024で発表された、マルチビュー画像の評価とスコアリングを行うための研究プロジェクトです。特…

VLM-Instruct-FastGSは、3D Gaussian Splatting技術を拡張し、Vision-Language Models (VLM) からのセマンティックガ…

「gemma-4-abliterated」は、GoogleのGemma 4 31Bモデルから、品質を損なうことなくガードレール（倫理的な制限）を…

このリポジトリは、ECG（心電図）言語モデル（ELM）のファインチューニングと評価のための研究フレームワークです。…

VHSは、DiTベースの画像生成における推論時の効率的なスケーリング検証フレームワークです。テキストプロンプトに基…

IDLM（Inverse-distilled Diffusion Language Models）は、ICML 2026で発表された画期的な技術です。本技術は、高品…

JoyBoyは、チャット、コーディング、画像生成、画像編集、動画実験、モデル管理といった多様なAIワークフローを統合…

SATtxtは、衛星画像を解析するための最先端のビジョン・言語基盤モデルです。DINOv3のビジョンエンコーダとLLM2Vecの…

このツールは、最新の3D Gaussian Splatting技術をApple Siliconデバイス上でネイティブに実行するためのMLXベースの…

RU4D-SLAMは、ガウススプラッティングSLAMにおいて不確実性の重み付けを行うことで、4Dシーン再構築を実現するシステ…