Inicio Proyectos MOFA-Video
MOFA-Video
Python

MOFA-Video

[ECCV 2024] MOFA-Video: Animación de Imágenes Controlable a través de Adaptaciones de Campo de Movimiento Generativo en un Modelo de Difusión de Imagen a Video Congelado.

por MyNiuuu · GitHub
Estrellas
Ramas
Tendencias
Creado
Último commit
Categoría
Lenguaje
aigccontrollable-generationdiffusion-modelsPython
Ver en GitHub
En palabras simples

Anima imágenes generando campos de movimiento utilizando un modelo específico de imagen a video para proyectos creativos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
MOFA-Video — GitHub preview card
📈 Historial de estrellas
766764
2026-07-202026-08-31
📈 Sigue MOFA-Video

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

[ECCV 2024] MOFA-Video: Animación de Imágenes Controlable a través de Adaptaciones de Campo de Movimiento Generativo en un Modelo de Difusión de Imagen a Video Congelado.

MOFA-Video tiene 766 estrellas en GitHub. Se ha bifurcado 51 veces. MOFA-Video está escrito principalmente en Python. Se desarrolla activamente desde 2024. Sus temas principales son: aigc, controllable-generation, diffusion-models, eccv2024.

Frequently asked questions

¿Qué es MOFA-Video?

[ECCV 2024] MOFA-Video: Animación de Imágenes Controlable a través de Adaptaciones de Campo de Movimiento Generativo en un Modelo de Difusión de Imagen a Video Congelado.

¿MOFA-Video es de código abierto?

MOFA-Video es un proyecto de código abierto.

¿MOFA-Video es gratis?

Sí. MOFA-Video es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito MOFA-Video?

MOFA-Video está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — MOFA-Video

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=myniuuu-mofa-video)](https://olud.ai/project/myniuuu-mofa-video.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
score_sde
Código oficial para Modelado Generativo Basado en Puntajes a través de Ecuaciones Diferenciales…
1.8k · controllable-generation
compartecontrollable-generationgenerative-models
score_sde_pytorch
Implementación en PyTorch para Modelado Generativo Basado en Puntajes a través de Ecuaciones Di…
2.1k · controllable-generation
compartecontrollable-generationgenerative-models
Awesome-Controllable-T2I-Diffusion-Models
Una colección de recursos sobre generación controlable con modelos de difusión de texto a image…
1.1k · awesome
compartecontrollable-generationdiffusion-models
BrushNet
[ECCV 2024] La implementación oficial del artículo "BrushNet: Un Modelo de Relleno de Imagen Pl…
1.7k · diffusion
comparteeccv2024diffusion-models
physgen
PhysGen: Generación de Video a partir de Imágenes Basada en Física de Cuerpos Rígidos (ECCV 202…
352 · diffusion-models
comparteeccv2024diffusion-models
DiffuseVAE
Implementación oficial de "DiffuseVAE: Generación Eficiente, Controlable y de Alta Fidelidad a…
384 · controllable-generation
compartecontrollable-generationdiffusion-models
RefAlign
[ECCV 2026] Implementación oficial en PyTorch de RefAlign: Alineación de Representaciones para…
392 · controllable-generation
compartecontrollable-generationdiffusion-models
OmniShow
[ICML 2026] Modelo de Generación de Video Todo-en-Uno de ByteDance para Generación de Video de…
458 · aigc
comparteaigcdiffusion-models
PNDM
La implementación oficial de Métodos Numéricos Pseudo para Modelos de Difusión en Variedades (P…
356 · diffusion-models
compartegenerative-modelsdiffusion-models
RISE
[RSS 2026] Código para RISE: Política de Robot Auto-Mejorante con Modelo Mundial Composicional
323 · diffusion-models
compartegenerative-modelsdiffusion-models

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.