CausVid: от двунаправленной к быстрой причинной генерации видео

CausVid

Wan2.1Генерация видеоПричинная генерацияАвторегрессивнаяCVPR 2025

Модель причинной генерации видео от lightx2v/tianweiy. Адаптирует предобученные двунаправленные diffusion transformers Wan2.1 к быстрой авторегрессивной причинной генерации. CVPR 2025. Доступна в 14B fp8 с rank32 LoRA.

Оригинальный репозиторий HF (Kijai)

Разработчик	lightx2v / tianweiy
Архитектура	На основе Wan2.1 с причинным авторегрессивным вниманием
Размеры моделей	14B (fp8), плюс LoRA (rank32)
Возможности	Причинная генерация видео в реальном времени, интерактивные приложения

Обзор

CausVid (CVPR 2025) решает фундаментальное ограничение современных моделей диффузии для видео: зависимости двунаправленного внимания, которые препятствуют интерактивному использованию в реальном времени. Адаптируя предобученный двунаправленный diffusion transformer Wan2.1 в причинный авторегрессивный transformer, CausVid обеспечивает генерацию кадр за кадром, где каждый кадр зависит только от предыдущих кадров, а не от всей последовательности.

Такой подход значительно снижает задержку для интерактивных приложений, делая его пригодным для сценариев генерации видео в реальном времени при сохранении высокого качества результата.

Интеграция с ComfyUI

CausVid для Wan2.1 доступна в точности fp8 вместе с rank32 LoRA-адаптерами через Kijai WanVideoWrapper для ComfyUI.

Доступные варианты

Вариант	Точность	Описание
14B Base	fp8	Базовая модель причинной генерации
LoRA	rank32	Адаптеры тонкой настройки для причинной генерации

Ресурсы

Ресурс	Ссылка
Репозиторий GitHub	github.com/tianweiy/CausVid
Страница проекта	causvid.github.io
Статья	arXiv:2412.07772
Hugging Face (оригинал)	lightx2v/Wan2.1-T2V-14B-CausVid
Hugging Face (Kijai)	Kijai/WanVideo_comfy