#PyTorch (148 repos)

MagicBokehは、高ズームで撮影された写真に対し、フォトリアリスティックで高品質なボケ効果を効率的に生成するため…

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…

UTMOS-PyTorchは、音声品質評価モデルUTMOSの非公式なPyTorch実装です。オリジナルのUTMOSが依存するfairseqのインス…

PRISMは、マルチモーダル大規模言語モデル（特にLLaVA）の継続的学習設定における命令チューニングのためのPyTorchベ…

本ツールは、WavLM表現から高品質なフランス語音声を再構築するニューラルボコーダーです。JEP 2026に採択された論文…

このツールは、iMaC（Embodied World Models向けにアクションをモーションとコンタクトイメージに変換するモデル）と…

「Hand2World」は、自由空間での手のジェスチャーから一人称視点でのインタラクションを自動回帰的に生成する研究プ…

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…

このプロジェクトは、論文「Steerable Rhythmic Complexity in Autoregressive Music Generation」の公式PyTorch実装…

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…

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

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…

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。…

NanoI2Vは、最先端の画像-動画変換（I2V）モデルをゼロから構築するためのステップバイステップのガイドです。拡散ベ…

SplAttNは、3D点群補完のための公式PyTorch実装です。従来の2D投影で生じる「クロスモーダルエントロピー崩壊」問題…

このツールは、PyTorch/Python環境で大規模な機械学習モデル（LLM、Diffusionモデルなど）を繰り返しロード・アンロ…

splatregは、3D Gaussian Splatting（3DGS）スキャン間の位置合わせ（アライメント）と結合を目的としたPythonライブ…

MM-FMは、CVPR 2026で発表された、マルチモーダル分布のためのフローマッチング技術です。このツールは、特に高解像…

本リポジトリは、EgoBabyVLMチャレンジのインフラを提供します。これは、乳幼児の一人称視点ビデオデータ（BabyView …

この「DisPOSE」は、自己教師ありマルチビュー3D人体ポーズ推定のための実装です。離散的なクロスビュー人物割り当て…

このリポジトリは、革新的な画像トークン化手法「Channel-wise Vector Quantization (CVQ)」とその応用である「Chann…

Prox-Eは、SIGGRAPH 2026に採択された、3D形状の精密な編集を可能にするトレーニング不要なフレームワークです。プリ…

このツールは、ICML 2026で発表された論文「Unsupervised Diffusion Solver for Combinatorial Optimization via Com…