К содержимому
Видео

Memory-V2V

пересъемка видео с разных ракурсов без потери связности

2 мин чтенияобновлено

Модель решает задачу последовательного синтеза новых ракурсов (novel view synthesis) для уже готового видео. На входе подается исходный ролик и список траекторий движения камеры, а на выходе получаются новые версии сцены, снятые будто с других точек. В основе лежит архитектура DiT (Diffusion Transformer — диффузионный трансформер) на 1.50B параметров, дообученная поверх ReCamMaster-Wan2.1 и базовой Wan2.1-T2V-1.3B. Главное отличие от обычных моделей смены ракурса — механизм памяти: каждый следующий проход учитывает не только оригинал, но и все ранее сгенерированные варианты, поэтому геометрия и детали сцены не разваливаются между дублями. Подойдет исследователям, видеографам и разработчикам инструментов для виртуальной операторской работы.

Ключевые особенности

  • Консистентная память между ракурсами: траектории из списка --cam_type генерируются по очереди с опорой на все предыдущие результаты.
  • Ускорение через ATM: встроен механизм adaptive token merging (адаптивное слияние токенов), который ускоряет генерацию при запуске с флагом --use_atm.
  • Компактный чекпоинт на базе Wan 2.1: сам файл весов memoryv2v.ckpt занимает 3.0 ГБ в формате bfloat16, но для работы также требует базовые компоненты Wan2.1-T2V-1.3B.
  • Открытая лицензия: модель распространяется под лицензией Apache-2.0.

Что можно сделать

  • Собрать мультикамерную сцену из одного дубля: прогнать исходное видео через несколько предустановленных траекторий камеры подряд и получить согласованные планы для монтажа.
  • Прототипировать операторские пролеты: протестировать разные варианты движения камеры (панорамирование, облет, смена угла) на готовом футаже без пересъемки.

Пример

# Перерендер видео по траекториям камеры 2 -> 3 -> 13
python inference.py --cam_type 2 3 13 --ckpt_path ./models/checkpoints/memoryv2v.ckpt

# Тот же запуск с ускорением adaptive token merging (ATM)
python inference.py --cam_type 2 3 13 --ckpt_path ./models/checkpoints/memoryv2v.ckpt --use_atm
ПодробнееФормат генерации: 81 кадр в разрешении 832x480 (входное видео приводится к этому размеру и обрезается до первых 81 кадров).
Требования к VRAM: около 18 ГБ видеопамяти для генерации трех ракурсов подряд; расход памяти и время растут с каждым новым видом.
Зависимости: дополнительно нужно скачать текстовый энкодер, VAE и базовый DiT от Wan2.1-T2V-1.3B (около 17.6 ГБ).
Ограничение: в репозиторий выложен только чекпоинт для смены ракурсов камеры; версия для текстового редактирования длинных видео из статьи ECCV 2026 не включена.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.8 GB · готовые файлы6.2 GB
  • FP8 / INT8рекомендуемвеса 1.4 GB4.6 GB
  • 4-bitвеса 0.8 GB3.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # DHCAI/Memory-V2V
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download DHCAI/Memory-V2V --local-dir ~/models/Memory-V2V
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Memory-V2V
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

KlingTeam/ReCamMaster-Wan2.1

Новые посты про версии ReCamMaster-Wan2.1 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

DHCAI/Memory-V2V
Автор
DHCAI
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

CPMG

CPMG