/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
24 сен 2026

IM-Animation-Motion-Encoder

Эмбеддинги изображенийИзображение → embedding3 профессии

Кодировщик IM-Animation извлекает из кадров персонажа компактные токены движения для последующей ретаргетизации анимации.

12скачиваний за 30 дней0лайковвеса обновлены24 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

IM-Animation Motion Encoder — опубликованный Rbaerk кодировщик кадров на основе TiTok для представления движения персонажей. Он преобразует RGB-кадр размером 256×256 в 32 токена по 12 измерений; в интеграции обучения их объединяют в вектор размерностью 384 для последующей ретаргетизации. Кодировщик обрабатывает кадры независимо и сам по себе не выполняет временную ретаргетизацию и не генерирует анимацию: генератор анимации и сеть ретаргетизации в релиз не входят.

Архитектура включает 24 слоя Transformer с шириной 1024 и 16 головами внимания, размер патча 16, 32 обучаемых латентных токена, проекцию в 12 измерений и кодовую книгу векторного квантования на 4096 записей. Контрольная точка экспортирована в safetensors; README сообщает о проверке загрузки и совпадения вывода одного кадра с доступной исходной реализацией TiTok. Полное качество генерации видео не оценивалось, а восстановленное состояние замороженной кодовой книги исторического запуска не проверено независимо. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение токенов движения из кадров персонажа
  • кодирование кадров для конвейера ретаргетизации анимации
  • подготовка кадров персонажей к дальнейшей обработке моделью движения

Ограничения

Модель обрабатывает кадры независимо и не включает генератор анимации или сеть временной ретаргетизации; качество полной генерации видео не оценивалось. Состояние замороженной кодовой книги восстановлено из исторической контрольной точки и не проверено независимо.

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

IM-Animation

Paper · Project page · Motion encoder weights

IM-Animation: An Implicit Motion Representation for Identity-decoupled Character Animation

This release contains the final locally retained TiTok-based motion encoder implementation and an exported checkpoint. It provides frame-level motion tokens; it does not include the full animation generator or retargeting network. Code and project videos are available in the linked GitHub repository.

Installation

git clone https://github.com/rabberk/IM-Animation.git
cd IM-Animation
pip install -r requirements.txt

The encoder was verified with PyTorch 2.7.1 on CPU using the exported BF16 weights.

Download weights

from huggingface_hub import hf_hub_download

hf_hub_download(
    repo_id="Rbaerk/IM-Animation-Motion-Encoder",
    filename="motion_encoder_latest.safetensors",
    local_dir=".",
)

The weight file is 607,017,208 bytes (approximately 579 MiB). Its SHA256 and provenance are in checkpoint_info.json.

Encode frames

Run from the repository directory:

import torch
from motion_encoder import MotionEncoder

model = MotionEncoder.from_pretrained(device="cpu")  # or device="cuda"
frames = torch.rand(1, 3, 256, 256).to(
    device=next(model.parameters()).device,
    dtype=next(model.parameters()).dtype,
)
with torch.inference_mode():
    tokens, metrics = model.encode(frames)
print(tokens.shape)  # [1, 12, 1, 32]

frames must be RGB, normalized to [0, 1], with shape [N, 3, 256, 256]. The training preprocessing pads portrait frames horizontally to a square and resizes them to 256×256 with bilinear interpolation (align_corners=False). The original HW_encoder_2 preprocessing class is included in encoder_blocks.py.

Each frame produces 32 tokens of 12 dimensions. The training integration flattens them into 384 dimensions per frame before retargeting. The encoder processes frames independently; temporal retargeting is outside this release.

Architecture

  • TiTokEncoder: 24 Transformer layers, hidden width 1024, 16 attention heads.
  • Patch size 16; 32 learned latent tokens.
  • 12-dimensional output projection and a 4096-entry vector-quantization codebook.
  • Original is_legacy=True token reshape is retained for checkpoint compatibility.

Implementation: motion_encoder.py assembles the modules; encoder_blocks.py contains the original encoder and preprocessing; quantizer.py contains the original VQ implementation.

Checkpoint provenance and verification

The selected checkpoint is train_dit_5C_v6_part5/step-12200.safetensors, dated 2025-11-28 UTC by file modification time. It is the newest checkpoint in the inspected local runs, rather than a claim of best quality or a verified paper-final checkpoint.

Training saved only trainable parameters. The selected checkpoint supplies 300 encoder/latent-token tensors. The frozen VQ codebook is restored from train_motion_only_full_3C_20joint/step-3700.safetensors, following the available training initialization code. This yields a complete 301-tensor encoding module. The historical run's frozen state has not been independently verified.

Validation checked tensor byte hashes against their source checkpoints, strict state-dict loading, and exact single-frame output agreement with the available original TiTok implementation. Full video-generation quality was not evaluated in this export.

Acknowledgments and license

This encoder builds on TiTok / 1d-tokenizer. Source attribution is preserved. See LICENSE and NOTICE.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
5b79575

0 моделей