#Python (2218 repos)

Olm Liquifyは、Photoshopの「ゆがみ」ツールに着想を得たComfyUI用カスタムノードです。画像の一部をインタラクティ…

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…

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…

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…

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…

JLC ComfyUI Nodesは、画像生成AIツールComfyUI向けに、ControlNetの適用プロセスを大幅に改善するカスタムノード群…

ColSearchは、オンプレミスAI向けに設計された高性能なレイトインタラクション検索エンジンです。厳密なRAG（Retriev…

ComfyClawは、ComfyUIワークフローの発見、検査、実行を可能にするCLIツールです。タグベースのパラメータ上書きとサ…

Lightconeは、Tzafonが開発した視覚言語モデル「Northstar」のためのSDKおよびAPIです。NorthstarはGUI強化学習によ…

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…

「Awesome LLMs for AI Research」は、AI研究における大規模言語モデル（LLM）の活用に関する包括的なリソース集です…

UniMは、マルチモーダルな理解と生成の両方を単一のパラダイムで評価するための、初の統一されたAny-to-Anyインター…

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…

ComfyUI向けに設計された究極のテキスト処理スイートで、画像からテキストへの変換データのバッチクリーニング、LLM…

NP-Editは、画像編集モデルの学習において画像編集ペアデータが不要な画期的な手法を提案する、ICLR 2026で発表され…

本ツールは、既存の3D Gaussian Splatting (3DGS) の超解像手法が抱える固定スケールレンダリングの制約を克服するた…

atlascloud_comfyuiは、ComfyUIユーザー向けに、Atlas Cloudの300種類以上のAIモデルを直接ComfyUI内で利用可能にす…

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…

Permafrostは、Claude CodeとDeepSeekの間に入り、Claude Codeのプロンプト接頭辞を固定することで、DeepSeekの自動…

WikiSeekerは、知識ベースの視覚的質問応答（KB-VQA）のために開発された革新的なマルチモーダルRAGフレームワークで…

Qwen3-VL-Video-Groundingは、Qwen3-VL多モーダル画像言語モデルを活用したGradioベースのWebアプリケーションです。…

SLARMは、動的なシーンの再構築、セマンティックな理解、リアルタイムストリーミング推論を統合するフィードフォワー…

MothRAGは、GPUやファインチューニングを必要とせず、市販のLLM APIのみで研究SOTAと同等の性能を発揮する、決定論的…

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。…