/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
stable-video-diffusion-img2vid-xt
Библиотека
motioncrafter
Опубликована
9 фев 2026

MotionCrafter

Языковая модель

MotionCrafter восстанавливает 4D-геометрию сцены и плотное движение объектов по монокулярному видео.

0скачиваний за 30 дней16лайковвеса обновлены9 апр 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

MotionCrafter — разработанная исследователями NTU, ARC Lab Tencent PCG, HKUST, CUHK(SZ) и Monash University система на основе диффузии для восстановления 4D-геометрии и оценки движения объектов по монокулярному видео. Она предсказывает плотные карты точек и поток сцены для каждого кадра в общей системе мировых координат без постоптимизации.

Модель основана на дообученной Stability AI модели stabilityai/stable-video-diffusion-img2vid-xt и использует 4D VAE для совместного представления геометрии и движения. Доступны детерминированный вариант с фиксированным прогнозом и диффузионный вариант с разнообразными вероятностными прогнозами. Веса опубликованы в формате safetensors; лицензия указана как other.

MotionCrafter предназначена для исследований и академической оценки восстановления 4D-сцен и предсказания плотных карт точек и scene flow по монокулярным видео. Качество может снижаться при сильном размытии движения, серьёзных перекрытиях, низком качестве видео или сценах вне обучающего распределения; модель не предназначена для критически важных по безопасности или работающих в реальном времени систем.

Сценарии применения

  • восстановление 4D-геометрии сцены по монокулярному видео
  • оценка плотного движения объектов между кадрами
  • предсказание карт 3D-точек для каждого кадра видео
  • академическая оценка методов восстановления динамических сцен
  • генерация нескольких вариантов прогноза движения и геометрии

Ограничения

Точность может снижаться при сильном размытии движения, серьёзных перекрытиях, низком качестве видео и сценах вне обучающего распределения. Модель не предназначена для критически важных по безопасности или работающих в реальном времени систем.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ruijie Zhu1,2, Jiahao Lu3, Wenbo Hu2, Xiaoguang Han4 Jianfei Cai5, Ying Shan2, Chuanxia Zheng1

1 NTU   2 ARC Lab, Tencent PCG   3 HKUST   4 CUHK(SZ)   5 Monash University

📄 Paper | 🌐 Project Page | 🎬 YouTube Video | 💻 Code | 📜 License

Model Description

MotionCrafter is a video diffusion-based framework that jointly reconstructs 4D geometry and estimates dense object motion from monocular videos. It predicts dense point maps and scene flow for each frame within a shared world coordinate system, without requiring post-optimization.

Intended Use

  • Research on 4D reconstruction and motion estimation from monocular videos
  • Academic evaluation and benchmarking of dense point map and scene flow prediction

Not intended for safety-critical or real-time production use.

Limitations

  • Performance can degrade with extreme motion blur or severe occlusion.
  • Output quality is sensitive to input resolution and video quality.
  • Generalization may be limited for out-of-domain scenes.

Training Data

Training data details and preprocessing are described in the paper and main repository. If you need dataset specifics, please refer to the project page and the paper.

Evaluation

Please refer to the paper for evaluation datasets, metrics, and results.

How to Use

import torch
from motioncrafter import (
    MotionCrafterDiffPipeline,
    MotionCrafterDetermPipeline,
    UnifyAutoencoderKL,
    UNetSpatioTemporalConditionModelVid2vid
)

unet_path = "TencentARC/MotionCrafter"
vae_path = "TencentARC/MotionCrafter"
model_type = "determ"  # or "diff" for diffusion version
cache_dir = "./pretrained_models"

unet = UNetSpatioTemporalConditionModelVid2vid.from_pretrained(
    unet_path,
    subfolder='unet_diff' if model_type == 'diff' else 'unet_determ',
    low_cpu_mem_usage=True,
    torch_dtype=torch.float16,
    cache_dir=cache_dir
).requires_grad_(False).to("cuda", dtype=torch.float16)

geometry_motion_vae = UnifyAutoencoderKL.from_pretrained(
    vae_path,
    subfolder='geometry_motion_vae',
    low_cpu_mem_usage=True,
    torch_dtype=torch.float32,
    cache_dir=cache_dir
).requires_grad_(False).to("cuda", dtype=torch.float32)

if model_type == 'diff':
    pipe = MotionCrafterDiffPipeline.from_pretrained(
        "stabilityai/stable-video-diffusion-img2vid-xt",
        unet=unet,
        torch_dtype=torch.float16,
        variant="fp16",
        cache_dir=cache_dir
    ).to("cuda")
else:
    pipe = MotionCrafterDetermPipeline.from_pretrained(
        "stabilityai/stable-video-diffusion-img2vid-xt",
        unet=unet,
        torch_dtype=torch.float16,
        variant="fp16",
        cache_dir=cache_dir
    ).to("cuda")

Model Weights

  • geometry_motion_vae/: 4D VAE for joint geometry and motion representation
  • unet_determ/: deterministic UNet for motion prediction

Model Variants

  • Deterministic (unet_determ): fast inference with fixed predictions per input
  • Diffusion (unet_diff): probabilistic predictions with diverse outputs

Citation

@article{zhu2025motioncrafter,
  title={MotionCrafter: Dense Geometry and Motion Reconstruction with a 4D VAE},
  author={Zhu, Ruijie and Lu, Jiahao and Hu, Wenbo and Han, Xiaoguang and Cai, Jianfei and Shan, Ying and Zheng, Chuanxia},
  journal={arXiv preprint arXiv:2602.08961},
  year={2026}
}

License

This model is provided under the Tencent License. See LICENSE.txt for details.

Acknowledgments

This work builds upon GeometryCrafter. We thank the authors for their excellent contributions.

Как запустить

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

GPU в ailist

Универсальный рантайм · motioncrafter

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
fc7b18d

0 моделей