Найдено: 24
видео по сцене и рендеру робота
RoFacto-Wan2.1-14B — inference-адаптеры для Robot-Factored World Models via Robot Rendering от byungjun-kim. Это rank-64 LoRA и extended patch embedding к 14B-модели Wan2.1-Fun-V1.1-14B-InP: видео строится по статичной сцене и camera-aligned рендеру робота; depth-вариант добавляет глубину сцены и…
аниме-стиль для маленькой T2V-модели
anyze выпустил набор LoRA для Wan 2.1 T2V-1.3B: общий аниме-стиль и две персонажные LoRA как примеры стека. Стилевая LoRA добавляет cel shading, чёткие чёрные контуры и ТВ-аниме-палитру, уводя модель от live action и CGI.
переосвещение портретного видео
Официальные inference-чекпоинты FlashRelight — системы переосвещения портретного видео с динамическим светом (NeurIPS 2026). Первый этап FlashDelight убирает исходное освещение, второй FlashRelight синтезирует новое по HDR-карте окружения, референсному видео или текстовому описанию.
текст в видео прямо в браузере
fusorlabs выложили Wan2.1-T2V-1.3B, скомпилированную в два бандла fusor-ai для браузерного рантайма wan2-1-wasm. Модель превращает промпт в видео на CPU устройства; это не PyTorch или safetensors-чекпоинт.
Wan2.1-T2V-1.3B — 4-шаговый текст-в-видео после RL
Релиз чекпоинтов FewStepRL: файнтюн few-step диффузионной модели для генерации видео. База — nvidia/AnyFlow-Wan2.1-T2V-1.3B-Diffusers, формат 480×832, 81 кадр. В каждом trial сохранён EMA-генератор: LoRA A/B и condition_embedder.delta_embedder.
4-bit текст-энкодер для Wan 2.1
Это 4-bit упаковка UMT5EncoderModel из Wan-AI/Wan2.1-T2V-1.3B-Diffusers в формате phi-lattice v2. У энкодера 24 слоя, d_model=4096, d_ff=10240 и словарь 256384; линейные слои хранятся как uint8-нибблы с fp16-скейлами группы 64.
камера, линза и ориентация для text-to-video
CRePE — метод управляемой генерации видео по тексту с контролем камеры, линзы и ориентации, представленный на NeurIPS 2026. Это лёгкий Geometric Attention Adapter на замороженной Wan2.1-T2V-1.3B: веса адаптера занимают 36.2M параметров в bf16 (~72 MB), а базовая модель загружается отдельно.
NSFW LoRA для Wan2.2 I2V
Это LoRA для image-text-to-video модели Wan-AI/Wan2.2-I2V-A14B-Diffusers от автора Slavasik. Адаптер создаёт NSFW-видео 18+ по промпту и стартовому изображению, но обучен только на high noise.
компактный 4-bit text-to-video
Это вторая версия сборки Wan-AI/Wan2.1-T2V-1.3B-Diffusers на базе WanTransformer3DModel с 1,42 млрд параметров, оптимизированная через phi-lattice-v2. Модель генерирует видео по текстовому промпту в diffusers; в репозитории есть BF16 plug-and-play transformer и упакованный 4-bit архив.
дистилляция для длинных видео
History Forcing — исследовательский релиз от Zhejiang University, Microsoft Research, Monash University и Adelaide University. Это единый on-policy distillation framework для few-step autoregressive video generators: он корректирует score/velocity target, используя residual между предсказаниями…
мультивью world model для симуляции робота
PrimeSim — action-conditioned multiview world model, который работает как симулятор робота. На вход получает первый кадр с каждой камеры, промпт и траекторию действий, а на выходе генерирует продолжение.
зеркало весов для видеогенерации Wan2.2
Это архивное зеркало NSFW-диффузионных весов Wan2.2-Remix от FX_FeiHou. В наборе четыре fp8-файла: две пары high/low noise для T2V v2.0 и I2V v2.1 на базе Wan2.2 14B. Текст-энкодер и VAE в комплект не входят.
экспериментальный world model для KOF98
Это неофициальный экспериментальный StatePlay world model от xixibuxixi, обученный на видео и последовательностях кнопок из «The King of Fighters '98». Основа — Wan-AI/Wan2.2-TI2V-5B; опубликован полный BF16 StatePlay DiT примерно на 5,1 млрд параметров и 30 слоёв.
новые ракурсы улиц из разреженных сенсоров
Официальный релиз модели StreetNVS от исследователей Stanford University и NVIDIA. Это видео-диффузионная модель для novel-view synthesis: по разреженному LiDAR, surround-view изображениям и позам камер она генерирует новые виды дорожной сцены, в том числе вне записанной траектории.
физически согласованное видео из одного кадра
Новая image-to-video модель от исследователей NUS, NTU и Oxford, представленная на NeurIPS 2026. Это надстройка над Wan2.2-TI2V-5B: обученный симулятор частиц PGDS предсказывает движение сцены, а visible–invisible motion field (VIMF) передаёт его видео-диффузионной модели — включая поверхности…
7 адаптеров для WAN 2.2 14B
Репозиторий zero1101001 содержит набор из 7 LoRA-адаптеров для text-to-video и image-to-video моделей WAN 2.2 14B. Это action-специализированные адаптеры для взрослого контента (18+) с вариантами high-noise и low-noise, а также один style-LoRA; общий размер — около 2.6GB.
первый шаг возвращает разнообразие в дистилляции диффузии
ReSeed — метод и набор адаптеров от Wenwu2000, который добавляет небольшие residual biases к первому шагу денойзинга замороженного four-step student, чтобы вернуть потерянное разнообразие.
стилизация graybox-видео за один шаг
Это причинная 1-step video-модель, которая перекрашивает low-poly graybox-рендеры matrix-shooter в игровые стили по одному latent-кадру (4 видеокадра) для стриминга в реальном времени.
одна модель для шести 4D-задач
UGG — видео-диффузионная модель от amanim71, которая одновременно генерирует RGB-кадры, лучи камеры и глубину. Она построена на Wan2.2-TI2V-5B и расширена до mixture of transformers с экспертами RGB, ray и depth; всего 12,6 млрд параметров.
три синхронизированных ракурса из depth-видео
SINDRI-Transfer — официальный 20K inference-чекпоинт для Wan2.2-Fun-5B-Control. Модель генерирует синхронизированные видео с трёх ракурсов — головы, левого и правого запястья — по depth-видео, референсным изображениям и общему текстовому промпту.