/ Модель

Характеристики

Библиотека
diffusers
Опубликована
28 дек 2025

Stream-DiffVSR

Преобразование изображенийИзображение, текст → изображение3 профессии

Демонстрационная диффузионная модель для потокового повышения разрешения видео с использованием только предыдущих кадров.

267скачиваний за 30 дней32лайкавеса обновлены11 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Stream-DiffVSR — модель на основе диффузии для потокового увеличения разрешения видео; карточка связывает её с исследовательским проектом Stream-DiffVSR. Она обрабатывает кадры причинно, используя только предыдущие кадры, поэтому подходит для онлайн-обработки с низкой задержкой. Четырёхшаговый дистиллированный денойзер ускоряет вывод, а авторегрессионное временное управление и лёгкий временной декодер помогают сохранять согласованность движения и детали между кадрами.

В README заявлена обработка кадров 720p за 0,328 секунды на RTX 4090. При этом опубликованный чекпойнт описан как демонстрационный прототип, обученный на ограниченном объёме данных: возможны артефакты и непостоянное качество, а разнообразие реальных видео покрыто не полностью. В карточке Hugging Face указан pipeline image-to-image и библиотека Diffusers; отдельные сведения о лицензии не приведены.

Сценарии применения

  • повышение разрешения кадров видео в реальном времени
  • онлайн-апскейлинг видео с низкой задержкой
  • эксперименты с потоковым восстановлением видео
  • оценка причинной обработки кадров без доступа к будущим кадрам

Ограничения

Опубликованный чекпойнт является демонстрационным прототипом, обученным на ограниченном объёме данных; ожидаются артефакты и нестабильное качество на разнообразных реальных видео. Лицензия в использованных материалах не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Stream-DiffVSR: Low-Latency Streamable Video Super-Resolution via Auto-Regressive Diffusion

Stream-DiffVSR is a causally conditioned diffusion framework designed for efficient online Video Super-Resolution (VSR). It operates strictly on past frames to maintain low latency, making it suitable for real-time deployment.

[Paper] [Project Page] [GitHub]

Description

Diffusion-based VSR methods often struggle with latency due to multi-step denoising and reliance on future frames. Stream-DiffVSR addresses this with:

  • Causal Conditioning: Operates only on past frames for online processing.
  • Four-step Distilled Denoiser: Enables fast inference without sacrificing quality.
  • Auto-regressive Temporal Guidance (ARTG): Injects motion-aligned cues during denoising.
  • Lightweight Temporal Decoder: Enhances temporal coherence and fine details.

Stream-DiffVSR can process 720p frames in 0.328 seconds on an RTX 4090, achieving significant latency reductions compared to prior diffusion-based VSR methods.

Usage

Installation

git clone https://github.com/jamichss/Stream-DiffVSR.git
cd Stream-DiffVSR
conda env create -f requirements.yml
conda activate stream-diffvsr

Inference

You can run inference using the following command. The script will automatically fetch the necessary weights from this repository.

python inference.py \
    --model_id 'Jamichsu/Stream-DiffVSR' \
    --out_path 'YOUR_OUTPUT_PATH' \
    --in_path 'YOUR_INPUT_PATH' \
    --num_inference_steps 4

The expected file structure for the inference input data is as follows:

YOUR_INPUT_PATH/
├── seq1/
│   ├── frame_0001.png
│   ├── frame_0002.png
│   └── ...
├── seq2/
│   ├── frame_0001.png
│   ├── frame_0002.png
│   └── ...

For NVIDIA TensorRT acceleration:

python inference.py \
    --model_id 'Jamichsu/Stream-DiffVSR' \
    --out_path 'YOUR_OUTPUT_PATH' \
    --in_path 'YOUR_INPUT_PATH' \
    --num_inference_steps 4 \
    --enable_tensorrt \
    --image_height <YOUR_TARGET_HEIGHT> \
    --image_width <YOUR_TARGET_WIDTH>

Note

The provided checkpoint is a toy / proof-of-concept model trained on a limited amount of data. As a result, it does not yet cover the full diversity of real-world videos.

This checkpoint is mainly intended to demonstrate the overall pipeline and low-latency feasibility, rather than to deliver production-level upscaling quality.

Artifacts and inconsistent visual quality are therefore expected at this stage.

Citation

If you find this work useful, please cite:

@article{shiu2025stream,
  title={Stream-DiffVSR: Low-Latency Streamable Video Super-Resolution via Auto-Regressive Diffusion},
  author={Shiu, Hau-Shiang and Lin, Chin-Yang and Wang, Zhixiang and Hsiao, Chi-Wei and Yu, Po-Fan and Chen, Yu-Chih and Liu, Yu-Lun},
  journal={arXiv preprint arXiv:2512.23709},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
1a13be9

0 моделей