К содержимому
Другое

Anima Pixel Decoder

замена VAE-декодера для Anima DiT

2 мин чтенияобновлено

Модель представляет собой декодер на 25 млн параметров, который считывает признаки последнего слоя диффузионного трансформера Anima (DiT) на последнем шаге сэмплирования и сразу записывает RGB-пиксели. Это заменяет стандартный VAE-декодер, снижая потребление VRAM и ускоряя процесс работы. Архитектура основана на подходе FastFrames с использованием блоков ConvNeXt. Разработка полезна пользователям ComfyUI и anima_lora для более быстрой генерации изображений.

Ключевые особенности

  • Ускорение декодирования: время декодирования сокращается со 141–151 мс до 7 мс.
  • Экономия VRAM: пиковая память декодера снижается с 1.22–1.38 ГБ до 0.21–0.24 ГБ.
  • Совместимость: работает с базовым DiT (Euler, 20–50 шагов) и 4-шаговым turbo-режимом (anima-turbo-42step).
  • Высокое качество: показатель PSNR (пиковое отношение сигнала к шуму) по сравнению с обычным VAE составляет 36.9 дБ.

Что можно сделать

  • Ускорить генерацию в ComfyUI: установить узел Anima Pixel Decoder, подключить пиксельный тап к модели перед KSampler и использовать декодирование пикселей вместо VAE.
  • Запустить через anima_lora: использовать аргумент --decoder pixel_head в скрипте inference.py.
  • Генерировать арты быстрее: комфортно создавать изображения разрешением 1024×1024 на видеокартах вроде RTX 5070 Ti с меньшей нагрузкой на память.

Пример

Пример использования в ComfyUI: добавьте узел Anima Pixel Head Tap на модель до KSampler, а затем декодируйте латент с помощью узла Anima Pixel Decode.

ПодробнееФайл весит 95 МБ (fp32, формат safetensors).
Вход: признаки размером 2048-dim на токен.
Выход: патч 16×16 RGB на токен в диапазоне [-1, 1].
Ограничения: точки скринтонов и плотная штриховка могут сглаживаться в мягкие серые оттенки (на 1–2.5 уровня темнее VAE).
Лицензия: CircleStone Labs Non-Commercial License (коммерческое использование сгенерированных изображений разрешено).
Примеры
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # sorryhyun/anima-pixel-decoder
    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 sorryhyun/anima-pixel-decoder --local-dir ~/models/anima-pixel-decoder
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к anima-pixel-decoder
  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.

  • 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 (2)
    • 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.
  • 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

circlestone-labs/Anima
  1. Cosmos-Predict2-2B-Text2Imageоснова семьи
  2. Anima
  3. anima-pixel-decoder

Новые посты про версии Cosmos-Predict2-2B-Text2Image — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

sorryhyun/anima-pixel-decoder
Автор
sorryhyun
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии