awesome-repositories.com
Blog
MCP
awesome-repositories.com

Entdecke die besten Open-Source-Repositories mit KI-gestützter Suche.

EntdeckenKuratierte SuchenOpen-Source-AlternativenSelf-hosted SoftwareBlogSitemap
ProjektMCP-ServerÜber unsRanking-MethodikPresse
RechtlichesDatenschutzAGB
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 Repos

Awesome GitHub RepositoriesCUDA-Accelerated Frame Processors

Video frame processing pipelines that leverage NVIDIA CUDA for parallel GPU acceleration of frame-level operations.

Distinct from Video Frame Processing: Distinct from Video Frame Processing: specifically targets CUDA-accelerated pipelines rather than general GPU or CPU frame processing.

Explore 2 awesome GitHub repositories matching graphics & multimedia · CUDA-Accelerated Frame Processors. Refine with filters or upvote what's useful.

Awesome CUDA-Accelerated Frame Processors GitHub Repositories

Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
  • nateraw/stable-diffusion-videosAvatar von nateraw

    nateraw/stable-diffusion-videos

    4,695Auf GitHub ansehen↗

    Dieses Projekt ist ein Stable-Diffusion-Videogenerator, der bewegte Bilder durch Interpolation zwischen Text-Prompts innerhalb des latenten Raums eines generativen Modells erstellt. Es fungiert als Tool für KI-Videogenerierung und Latent-Space-Interpolation, das beschreibenden Text in visuelle Sequenzen transformiert. Das System ermöglicht spezifisch audio-reaktive Visuals, indem die Rate der Bildinterpolation mit dem Beat und Rhythmus einer Audiodatei synchronisiert wird. Es produziert diese Sequenzen durch Morphing-Videogenerierung, die fließend zwischen verschiedenen Text-Prompts übergeht. Das Projekt enthält ein grafisches User-Interface, das ein webbasiertes Kontroll-Interface für das Management des Text-to-Video-Workflows bietet. Dies ermöglicht die Orchestrierung des generativen Prozesses, ohne manuellen Pipeline-Code schreiben zu müssen.

    Utilizes CUDA-accelerated frame processors to iteratively denoise image sequences into coherent video frames.

    Python
    Auf GitHub ansehen↗4,695
  • justin62628/squirrel-rifeAvatar von Justin62628

    Justin62628/Squirrel-RIFE

    3,471Auf GitHub ansehen↗

    Squirrel-RIFE is a GPU-accelerated video processing tool that uses a neural network to generate intermediate frames between existing video frames, enabling smooth slow-motion effects and frame rate conversion. It is built around the RIFE (Real-Time Intermediate Flow Estimation) model, which analyzes motion between consecutive frames to predict and insert new frames, and leverages NVIDIA CUDA for parallel processing to achieve high-speed inference. The tool distinguishes itself by combining neural frame interpolation with practical video preprocessing features, including pixel-level duplicate

    Leverages NVIDIA CUDA for parallel GPU processing to run frame interpolation models at high speed.

    Pythonanimationinterpolationrife
    Auf GitHub ansehen↗3,471
  1. Home
  2. Graphics & Multimedia
  3. Video Frame Processing
  4. CUDA-Accelerated Frame Processors