CausVid: 低速な双方向生成から高速な因果的動画生成へ
ComfyUI Wiki
lightx2v/tianweiy による CausVid は、双方向 diffusion transformer を Wan2.1 上の因果的自己回帰的な動画生成に適応させたモデルです。CVPR 2025。14B fp8 と rank32 LoRA で利用可能。
C
CausVid
Wan2.1動画生成因果的生成自己回帰CVPR 2025lightx2v/tianweiy による因果的動画生成モデル。事前学習済みの双方向 Wan2.1 diffusion transformer を、高速な自己回帰的因果生成に適応させています。CVPR 2025。14B fp8 と rank32 LoRA で利用可能。
| 開発元 | lightx2v / tianweiy |
| アーキテクチャ | Wan2.1 ベース、因果的自己回帰アテンションを採用 |
| モデルサイズ | 14B (fp8)、および LoRA (rank32) |
| 機能 | リアルタイム因果的動画生成、インタラクティブアプリケーション |
概要
CausVid (CVPR 2025) は、現在の動画 diffusion モデルが抱える根本的な制約に対処しています。それは、リアルタイムのインタラクティブな利用を妨げる双方向アテンションの依存関係です。事前学習済みの Wan2.1 双方向 diffusion transformer を因果的自己回帰 transformer に適応させることで、CausVid は各フレームがシーケンス全体ではなく過去のフレームのみに依存する、フレーム単位の生成を可能にします。
このアプローチはインタラクティブアプリケーションのレイテンシを大幅に削減し、高い出力品質を維持しながらリアルタイム動画生成のシナリオに適したものにします。
ComfyUI への統合
Wan2.1 用の CausVid は、ComfyUI 向けの Kijai WanVideoWrapper を通じて、fp8 精度および rank32 LoRA アダプターとして利用できます。
利用可能なバリエーション
| バリエーション | 精度 | 説明 |
|---|---|---|
| 14B Base | fp8 | コアとなる因果的生成モデル |
| LoRA | rank32 | 因果的生成のためのファインチューニングアダプター |
リソース
| リソース | リンク |
|---|---|
| GitHub リポジトリ | github.com/tianweiy/CausVid |
| プロジェクトページ | causvid.github.io |
| 論文 | arXiv:2412.07772 |
| Hugging Face (オリジナル) | lightx2v/Wan2.1-T2V-14B-CausVid |
| Hugging Face (Kijai) | Kijai/WanVideo_comfy |
Guides and workflows related to this model series.
No articles found.
コメント
GitHubでサインインしてディスカッションに参加しましょう。