/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
28 сен 2026

Effecteraser-VOR-Inference

Языковая модельВидео, текст → видео

Дистиллированная модель для удаления отмеченных масками объектов из видео с помощью видеозаполнения.

0скачиваний за 30 дней0лайковвеса обновлены28 сен 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

Effecteraser-VOR Inference — репозиторий с кодом инференса и дистиллированными чекпойнтами для удаления объектов из видео. Включает отдельные трансформерные варианты DMD на один и два шага, а также общие веса текстового энкодера T5, токенизатора, VAE Wan и LightVAE.

Модель принимает исходные видео и соответствующие им бинарные видео масок с совпадающими именами файлов. Настройки по умолчанию обрабатывают первые 81 кадр на холсте 480×832 с частотой 16 кадров в секунду и расширяют маску на 6 пикселей. Модель предназначена для видеозаполнения областей после удаления объектов; репозиторий использует формат safetensors и распространяется по лицензии Apache-2.0.

Для дистиллированных вариантов предусмотрены отдельные расписания: веса на один шаг нельзя запускать с расписанием на два шага, и наоборот; guidance_scale должен оставаться равным 1.0. Авторы позиционируют пакет для исследовательского применения и рекомендуют самостоятельно оценивать результаты.

Сценарии применения

  • удаление нежелательных объектов из видеоролика по бинарной маске
  • очистка видеокадров от водяных знаков или помех, отмеченных маской
  • видеозаполнение областей после удаления предмета
  • обработка видео с быстрым одноступенчатым инференсом
  • обработка видео двухшаговым режимом DMD

Ограничения

Требуются исходные видео и соответствующие бинарные маски с точно совпадающими именами файлов; режимы на один и два шага используют разные чекпойнты и расписания, а guidance_scale должен быть равен 1.0. По умолчанию обрабатываются первые 81 кадр; качество результатов следует оценивать самостоятельно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Effecteraser-VOR Inference

Inference code and distilled checkpoints for video object removal. This repository contains separate 1-step and 2-step DMD students and a single shared copy of the text encoder, tokenizer, VAE, and LightVAE weights.

The associated gated dataset is Kry4ta1/Effecteraser-VOR.

Layout

checkpoints/
  common/       # shared T5, tokenizer, Wan VAE, and LightVAE
  dmd_1step/    # 1-step transformer checkpoint
  dmd_2step/    # 2-step transformer checkpoint
configs/
scripts/
src/

Installation

Python 3.11 or 3.12, CUDA-capable PyTorch, FFmpeg, and Git LFS are recommended.

git lfs install
git clone https://huggingface.co/Kry4ta1/Effecteraser-VOR-Inference
cd Effecteraser-VOR-Inference
python -m pip install -r requirements.txt

Input format

Provide one directory of source videos and one directory of binary mask videos. Every source video must have an exactly matching mask filename. Supported video extensions are MP4, AVI, MOV, MKV, and WebM.

The default inference settings use the first 81 frames, an orientation-aware 480x832 canvas, 16 FPS output, mask dilation of 6 pixels, and guidance scale 1.0.

Run

One-step inference:

INPUT_DIR=/path/to/videos MASK_DIR=/path/to/masks GPU=0 \
  bash scripts/infer_1step.sh

Two-step inference:

INPUT_DIR=/path/to/videos MASK_DIR=/path/to/masks GPU=0 \
  bash scripts/infer_2step.sh

Run both variants concurrently on two GPUs:

INPUT_DIR=/path/to/videos MASK_DIR=/path/to/masks \
GPU_1STEP=0 GPU_2STEP=1 bash scripts/infer_all.sh

Each run writes generated videos to outputs/<variant>/meta/ and side-by-side mask/input/result review videos to outputs/<variant>/cat/.

Notes

  • The two DMD checkpoints are separately distilled; do not run the 1-step weights with a 2-step schedule or vice versa.
  • guidance_scale must remain 1.0 for these distilled students.
  • The repository uses the shared checkpoint directory through --common_model_name; this avoids publishing duplicate copies of the large T5 and VAE weights.
  • This package is intended for research use. Users are responsible for evaluating outputs and complying with applicable licenses and policies.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «видео → видео» пока не запускаются.

Ревизия весов
9264c1c

0 моделей