К содержимому
Видео

Rail World Model Camera 500step

генерация видео поездки по железной дороге с управлением камерой

2 мин чтенияобновлено

Исследовательская модель от tanskin02 для задачи image-to-video (генерация видео по изображению): по стартовому кадру, текстовому описанию сцены и покадровой траектории движения камеры она синтезирует ролик железнодорожного пути. В основе лежит nvidia/Cosmos3-Nano, у которой дообучили attention LoRA (небольшие адаптеры для слоёв внимания) и часть модуля ввода параметров камеры. На выходе получается видео из 189 кадров с частотой 24 FPS, строго следующее заданной траектории. Разработка пригодится исследователям и инженерам, работающим с симуляцией движения рельсового транспорта и генеративными world-моделями.

Ключевые особенности

  • На вход принимаются RGB-изображение 832×480, текстовый промпт и матрица действий камеры размером 188×9, а на выходе генерируется ролик на 189 кадров (24 FPS).
  • Обучение проходило в два этапа: сначала 300 шагов адаптации визуального стиля на реальных записях, затем дообучение под управление камерой до итоговой отметки 500 step.
  • В репозитории собраны дельта-веса с рецептом восстановления, 6 оригинальных DCP-шардов базовой модели, энкодер/декодер Wan VAE и локальный токенизатор.
  • Модель отвечает только за визуализацию сцены вдоль заданного пути — распознавание опасностей, планирование маршрута и торможение в неё не заложены.

Что можно сделать

  • Генерировать синтетические видеопоездки по железной дороге из одного стартового кадра с точным контролем положения камеры в каждом кадре.
  • Использовать модель как визуальный симулятор среды для тестирования и отладки систем компьютерного зрения на рельсовом транспорте.
  • Развернуть инференс локально, восстановив полные веса через приложенный model_bundle/ и архив окружения runtime_support.zip.

Пример

hf download tanskin02/rail-world-model-camera-500step \
  --revision 379bea5f3a00a51a1aaea402bc774a4e27669f37 \
  --local-dir ./rail-world-model-artifacts
ПодробнееДанные обучения: 107 обучающих и 13 валидационных реальных RGB-примеров для адаптации стиля, плюс 240 обучающих и 54 валидационных виртуальных/рендер-последовательностей с позами камеры.
Целостность: после объединения дельта-весов с базовой моделью на CPU проверены хэши всех 1097 тензоров.
Требования: совместимый GPU NVIDIA под Linux, нативный Cosmos Framework и PyTorch 2.10.x (эталонное окружение: Python 3.13.12, PyTorch 2.10.0+cu130, архитектура aarch64).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.6 GB · готовые файлы6.0 GB
  • FP8 / INT8рекомендуемвеса 1.3 GB4.5 GB
  • 4-bitвеса 0.7 GB3.8 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.

    # tanskin02/rail-world-model-camera-500step
    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 tanskin02/rail-world-model-camera-500step --local-dir ~/models/rail-world-model-camera-500step
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к rail-world-model-camera-500step
  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

nvidia/Cosmos3-Nano

Новые посты про версии Cosmos3-Nano — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

tanskin02/rail-world-model-camera-500step
Автор
tanskin02
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

Робототехника

iclr27_release

iclr27_release