#GPU必須 (833 repos)

parakeet.cppは、NVIDIAのParakeet音声認識モデルを超高速でC++に実装し、デバイス上での推論を可能にするライブラリ…

本ツール「World Reconstruction From Inconsistent Views」は、ビデオ拡散モデルから3Dの世界を再構築する革新的な…

HyDRAは、動的なビデオ世界モデルにおいて、視界外に移動した被写体の追跡と動きの連続性維持を可能にするハイブリッ…

ComfyUI Whisperは、OpenAIのWhisperモデルを利用して音声の文字起こしや動画への字幕追加を可能にするComfyUIの拡張…

「Local AI Image Generator」は、Windowsユーザー向けに設計された、セットアップ不要のAI画像生成デスクトップツー…

ComfyUI Pixaromaは、Stable DiffusionのWeb UIであるComfyUIのワークフローを、プロフェッショナルグレードのクリエ…

MultiWorldは、マルチエージェント・マルチビュービデオ世界モデルのための統合フレームワークです。複数のエージェ…

Steerlingは、解釈可能な因果拡散言語モデルであり、マスク型拡散言語モデリングとコンセプト分解を統合しています。…

gsplat-unityは、Unity 2021以降で3D Gaussian Splatting (3DGS) をレンダリングするためのパッケージです。PlayCanv…

TokenGSは、自己教師ありレンダリング目的で3Dガウスを予測する革新的なツールです。学習可能なガウストークンをエン…

VEFX-Benchは、テキスト駆動型ビデオ編集および視覚効果の総合的な評価ベンチマークです。5,049件のアノテーション付…

autoresearch-qwenは、Qwen3-VL-4B-InstructモデルをDocumentVQAベンチマークで自律的に改善することを目的とした研…

ACE-Step Studioは、AIを駆使してフルソング、ボーカル、歌詞、カバー、リミックス、ミュージックビデオなどを生成で…

SceneTokは、3Dシーンデータを圧縮された、非構造化かつ拡散可能な1Dトークン表現へと変換するシーンオートエンコー…

Knowledge Graph Extractorは、文書、URL、またはファイル群（zip形式）を対話型のナレッジグラフに変換するツールで…

Project Chronosは、SSDとDRAMを活用したハイブリッド推論に特化した、ストレージ認識型のMoE (Mixture of Experts) …

Habitat-GSは、Facebook ResearchのHabitat-Simを基盤とした、高忠実度ナビゲーションシミュレーターです。3D Gaussi…

3DGEERは、3D Gaussian Splatting (3DGS)における投射幾何学の不正確性という根本的な問題を解決するために開発され…

ComfyUI-piFlowは、ComfyUI上でpi-Flow方式の少ないステップ数による高速画像生成を行うためのカスタムノード集です…

このツールは「Faster Gaussian Splatting (Faster-GS)」という3D Gaussian Splatting (3DGS) の最適化を効率的に行…

Portable Hermes Agentは、Windows向けのポータブルAIエージェントデスクトップアプリケーションです。インストール…

「WorldStereo」は、カメラ制御ビデオ生成と3Dシーン再構築を融合する革新的なフレームワークです。Global-Geometric…

MotionCrafterは、単一のモノクロビデオ入力から密な4Dジオメトリとオブジェクトの動きを同時に再構築する、革新的な…

Pixal3D-ComfyUIは、単一の画像から高品質な3Dモデルを生成するためのComfyUI用カスタムノードです。TencentARCのPix…