/ Модель

Характеристики

Параметры
2,3 млрд
Лицензия
Своя лицензия
Архитектура
t2v · dense
Базовая модель
Wan2.1-T2V-14B
Опубликована
8 дек 2025

VerseCrafter

Видео из изображенияИзображение, текст → видео3 профессии

VerseCrafter — модель генерации видео по изображению с управлением движением камеры и нескольких объектов через 4D-геометрию.

845скачиваний за 30 дней16лайковвеса обновлены13 янв 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

VerseCrafter — модель генерации видео с геометрическим управлением, разработанная исследователями из Fudan University, Shanghai Innovation Institute, HKU и ARC Lab компании Tencent PCG. Она создаёт реалистичные динамические сцены и позволяет задавать движение камеры и нескольких объектов, а также согласовывать их траектории в общей 4D-системе управления.

Модель построена на замороженной Wan2.1-T2V-14B с GeoAdapter, который передаёт геометрические управляющие данные в блоки диффузионной модели. Репозиторий содержит 2,3 млрд параметров; заявлены разрешение 720 × 1280 и генерация роликов длиной 81 кадр. В README описан конвейер подготовки управляющих данных с оценкой глубины, сегментацией, подгонкой 3D Gaussian и настройкой траекторий в Blender.

VerseCrafter предназначена для создания видео по изображениям с управляемым движением камеры и объектов, например для постановки динамических сцен и прототипирования виртуальных миров. В метаданных указаны английский язык и лицензия типа other; конкретные условия использования следует сверять с лицензией репозитория. Модель зависит от Wan2.1 и геометрических управляющих данных; для полного конвейера требуются дополнительные этапы подготовки сцены.

Сценарии применения

  • создание видео из изображения с заданной траекторией камеры
  • анимация нескольких объектов по заданным траекториям
  • согласование движения камеры и объектов в динамичной сцене
  • прототипирование управляемых виртуальных миров

Ограничения

Для управления нужны геометрические траектории и подготовка сцены; README описывает дополнительные этапы с оценкой глубины, сегментацией и 3D Gaussian. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории.

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

       

✨ A controllable video world model with explicit 4D geometric control over camera and multi-object motion.

TL;DR

  • Dynamic Realistic Video World Model: VerseCrafter learns a realistic and controllable video world prior from large-scale in-the-wild data, handling challenging dynamic scenes with strong spatial-temporal coherence.
  • 4D Geometric Control: A unified 4D control state provides direct, interpretable control over camera motion, multi-object motion, and their joint coordination, improving geometric faithfulness.
  • Frozen Video Prior + GeoAdapter: We attach a geometry-aware GeoAdapter to a frozen Wan2.1 backbone, injecting 4D controls into diffusion blocks for precise control without sacrificing video quality.
  • VerseControl4D Dataset: We introduce a large-scale real-world dataset with automatically rendered camera trajectories and multi-object 3D Gaussian trajectories to supervise 4D controllable generation.

Model Details

PropertyValue
Base ModelWan2.1-T2V-14B
Resolution720 × 1280
Frames81 frames
Control SignalsCamera trajectory + 3D Gaussian object trajectories
ArchitectureFrozen DiT + Trainable GeoAdapter

Usage

For installation, inference, and the complete pipeline (depth estimation, segmentation, 3D Gaussian fitting, trajectory customization in Blender, and video generation), please refer to our GitHub repository.

Citation

If you find this work useful, please consider citing:

@article{zheng2026versecrafter,
  title={VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control},
  author={Zheng, Sixiao and Yin, Minghao and Hu, Wenbo and Li, Xiaoyu and Shan, Ying and Fu, Yanwei},
  journal={arXiv preprint arXiv:2601.05138},
  year={2026}
}

Acknowledgements

Our work is built upon MoGe, Grounded-SAM-2, VideoX-Fun, Wan2.1 and diffusers.

License

This project is released under the VerseCrafter License. It is intended for academic/research purposes only and commercial use is not permitted.

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
457bc79

0 моделей