/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
29 сен 2026

LIFT

Видео из изображенияИзображение, текст → видео

LIFT генерирует видео из исходного кадра с заданной траекторией камеры и расположением объектов в конечном кадре.

0скачиваний за 30 дней4лайкавеса обновлены30 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

LIFT — исследовательская система генерации видео из изображения, разработанная авторами работы «Layout-In-Future Video Generation under Large Viewpoint Change via On-Policy Self-Distillation». По первому кадру, заданной траектории камеры и макету конечного кадра с ограничивающими рамками и локальными текстовыми подсказками модель генерирует переход к требуемому ракурсу и расположению объектов.

В репозитории представлены студент, обученный с помощью двухрежимной on-policy самодистилляции от учителя с плотными макетами, и дообученный учитель. Модели построены на Wan2.1-Fun-V1.1-1.3B-Control-Camera; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Система предназначена для управления композицией видео при значительном изменении ракурса камеры.

Сценарии применения

  • генерация видеоперехода по траектории камеры
  • перемещение камеры к заданному ракурсу
  • управление расположением объектов в конечном кадре видео
  • создание ролика по исходному изображению и текстовым подсказкам к областям

Ограничения

Для управления требуется задать траекторию камеры и конечный макет с рамками и локальными текстовыми подсказками. В README не приведены количественные оценки качества или сведения о поддерживаемых языках.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LIFT: Layout-In-Future Video Generation under Large Viewpoint Change via On-Policy Self-Distillation

We introduce LIFT, a unified image-to-video generation framework that complements camera control with Layout-In-FuTure control, enabling users to specify what should appear in a future view and where it should appear.

Model Checkpoints

Our models are built on Wan2.1-Fun-V1.1-1.3B-Control-Camera.

ModelDescription
LIFT/transformer/Last-frame layout student trained by dual-mode on-policy self-distillation from the dense-layout teacher.
LIFT_dense_layout_teacher/transformer/Dense-layout teacher fine-tuned with dense per-frame layout

Download

pip install -U "huggingface_hub[cli]"
# Last-frame layout student (dual-mode OPSD)
hf download Overdog/LIFT --include "LIFT/*" --local-dir models
# Dense-layout teacher
hf download Overdog/LIFT --include "LIFT_dense_layout_teacher/*" --local-dir models

Citation

@article{ji2026lift,
  title={LIFT: Layout-In-Future Video Generation under Large Viewpoint Change via On-Policy Self-Distillation},
  author={Ji, Shengxiang and Wang, Boyang and Xu, Haiyang and Li, Bingnan and Mao, Yucheng and Chen, Zeyuan and Shan, Xiaojun and Zhang, Xiang and Hua, Gang and Xie, Jianwen and Cheng, Zezhou and Tu, Zhuowen},
  journal={arXiv preprint arXiv:2609.38146},
  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.

Ревизия весов
49e254f

0 моделей