К содержимому
Другое

WVY-3D-1M

сверхлёгкая нейросеть для авто-риггинга и анимации 3D-существ

2 мин чтенияобновлено

Модель WVY-3D-1M состоит всего из 1 миллиона параметров и умеет автоматически расставлять скелет (риг) для 3D-моделей существ, назначать веса кожи (skin weights) и генерировать анимацию движений. Проект написан с нуля на чистом numpy с самописным движком автодифференцирования без использования PyTorch, а инференс работает прямо в браузере на JavaScript. Архитектура объединяет модуль распознавания формы тела и миниатюрный трансформер MotionGPT, который создаёт последовательности поз по текстовым промптам.

Ключевые особенности

  • Написана с нуля: чистый numpy без тяжёлых библиотек машинного обучения.
  • Две основные части: RigNet для предсказания суставов по поверхности и MotionGPT для генерации движений.
  • Браузерный инференс: модель работает локально в веб-среде с использованием экспортированных весов.
  • Шесть базовых планов тела: поддержка двуногих, четвероногих, птиц, рыб, змей и насекомых.

Что можно сделать

  • Запустить инференс модели прямо в Node.js или протестировать её работу в браузере.
  • Автоматически расставить кости и настроить веса вершин для созданных 3D-мешей существ.
  • Сгенерировать последовательность анимационных поз для персонажей по текстовым командам вроде quadruped:run.
  • Использовать полученных анимированных персонажей в интерактивных веб-сценах.

Пример

Запуск инференса в Node.js для генерации рига и анимации бега:

['sculpt','species','objects','brain'].forEach(f => require('./code/engine/' + f + '.js'));
const B = globalThis.RigBrain, S = globalThis.RigSculpt;
B.loadWeights(JSON.parse(require('fs').readFileSync('browser_weights_fp16.json')));
const fox = S.makeCreature({ family: 'quadruped', species: 'fox', seed: 1 });
const rig = B.learnedRig(fox.verts, fox.faces);
const poses = B.writeMotion('quadruped', 'run', 60, S.RNG(1));
ПодробнееОбщий размер: ≈1.07 млн параметров (RigNet — 234 тыс., MotionGPT — 755 тыс., токенизатор поз — 77 тыс.)
Обучение: процедурные данные, около 17 минут для RigNet и 26 минут для MotionGPT на 1 ядре CPU
Ограничения: поддерживается только 6 фиксированных типов тел, обучение проводилось на процедурных данных, а не на захвате движений (mocap)
Примеры и видео
Обсудить Telegram 1 29

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 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.

    # StarpowerTechnology/WVY-3D-1M
    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 StarpowerTechnology/WVY-3D-1M --local-dir ~/models/WVY-3D-1M
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к WVY-3D-1M
  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

Новые посты про версии WVY-3D-1M — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

StarpowerTechnology/WVY-3D-1M
Автор
StarpowerTechnology
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

291

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

WVY-3D-23m

WVY-3D-23m
Другое

EpiClock

EpiClock