History Forcing est un cadre de distillation pour la génération vidéo autoregressive en peu d'étapes, proposé par l'Université du Zhejiang et d'autres : il compare la différence de prédiction du modèle enseignant avec et sans historique, et utilise cette différence pour corriger l'objectif de distillation. Les auteurs affirment que cela améliore la cohérence des vidéos longues et l'évolution des scènes hors champ. Le dépôt publie la version DreamX-World-5B, la version DMD (avec EMA) de Wan2.1-T2V-1.3B et le modèle enseignant autoregressive ; le code d'inférence et d'entraînement est disponible sur GitHub.
Pourquoi c'est important La génération vidéo autoregressive en peu d'étapes a tendance à oublier les images précédentes au fil du temps ; cette méthode corrige l'objectif de distillation à l'aide de l'historique, visant la cohérence des vidéos longues.
Hugs likes 4 · Hugs trending score 3 · Hugs downloads 0
Licence : usage commercial autorisé (limites du modèle de base) · ComfyUI : non disponible · VRAM : non indiquée
Raisons
- Classement trending text-to-video de Hugging Face, étiquette world-model de Hugging Face
- Score 28 (fraîcheur 0 / source 10 / popularité 0 / comfy 0 / vram 3 / démo 5 / licence 10)
Utilisation
- Suivez les instructions du dépôt GitHub ziplab/History-Forcing pour télécharger les poids et exécuter l'inférence
Risques
- Code de recherche, pas de support ComfyUI, la carte du modèle n'indique pas la VRAM ; le dépôt ne précise pas la licence