/ Модель

Характеристики

Размер весов
10,3 ГБ
Лицензия
Apache 2.0
Архитектура
memorizon · dense
Базовая модель
Wan2.2-TI2V-5B-Diffusers
Опубликована
29 сен 2026

memorizon

Видео из изображенияИзображение, текст → видео3 профессии

Memorizon генерирует видео из изображения, управляя сценой последовательностью действий или траекторией камеры.

73скачиваний за 30 дней1лайквеса обновлены2 окт 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

Memorizon — модель генерации видео по изображению, разработанная Tingting Liao, Xuezhi Liang, Hao Li и Guangyi Liu из Institute of Foundation Models (IFM), MBZUAI. Она создаёт видео на основе одного исходного изображения и управляющих сигналов: последовательности клавиш для перемещения и поворота камеры либо траектории камеры в виде матрицы поз. Подписи к изображениям формируются автоматически; также можно задать собственный текстовый промпт.

Модель основана на Wan2.2-TI2V-5B и представлена как дистиллированный чекпойнт с четырьмя шагами генерации, использующий Self-Forcing и DMD с дистилляцией CFG. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает управление движением и камерой, но не приводит сведений о языковом охвате или длине контекста.

Сценарии применения

  • создание видео с движением камеры по исходному изображению
  • генерация видео по последовательности команд перемещения и поворота
  • визуализация заданной траектории камеры в сцене
  • превращение фотографии в управляемую видеосцену

Ограничения

Для управления требуется изображение и команды клавиатуры либо массив траекторий камеры заданного формата. В README не приведены количественные оценки качества и характеристики поддерживаемого разрешения или длительности видео.

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

✨ This checkpoint

ModelMemorizon, 4-step distilled (Self-Forcing + DMD, CFG distilled in)
BaseWan2.2-TI2V-5B
Inputone image + keyboard actions or a camera trajectory
Output864×480, 16 fps, generated one second at a time
Sampling4 steps, no CFG (read from the config)

🚀 Usage

git clone https://github.com/TingtingLiao/memorizon.git && cd memorizon && pip install -e .

python scripts/generate.py --checkpoint Luffuly/memorizon --image photo.jpg \
    --actions "w*16 l*24 w*16 l*24" --output out.mp4
from memorizon import MemorizonPipeline, actions_to_c2w, save_video

pipe = MemorizonPipeline.from_pretrained("Luffuly/memorizon")
video = pipe("photo.jpg", actions_to_c2w("w*16 l*24 w*16 l*24"))
save_video(video, "out.mp4")

🎮 Keyboard actions — one per 0.25 s

KeyActionKeyAction
w sforward / backward · 0.25 mj lturn left / right · 7.5°
a dleft / right · 0.25 mi klook up / down · 7.5°
.stay*Nrepeat N times

Without a prompt, the image is captioned by Qwen3-VL-8B in the training format (memorizon/caption.py). Custom prompts should follow it — a perspective prefix, then one paragraph:

First-person perspective — character not visible. A winding paved path curves beneath a canopy of vibrant pink cherry blossoms, …

Instead of actions, pass --trajectory a [T, 4, 4] array of camera-to-world poses, T = 1 + 4 × seconds, in the first frame's coordinates (OpenCV axes), translations in metres / 4.

📖 Citation

@article{memorizon2026,
  title   = {Memorizon: Training World Models Beyond Their Context Window},
  author  = {Tingting Liao, Xuezhi Liang, Hao Li, Guangyi Liu},
  journal = {arXiv preprint arXiv:2610.00544},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Класс архитектуры
MemorizonModel
Ревизия весов
17872b9

0 моделей