/ Модель

Характеристики

Размер весов
28,4 ГБ
Лицензия
Apache 2.0
Базовая модель
Qwen-Image-Edit
Опубликована
24 июл 2026

MetaView-ComfyUI

Преобразование изображенийИзображение, текст → изображение3 профессии

Чекпойнт для ComfyUI синтезирует новый ракурс сцены по фотографии и заданному движению камеры.

470скачиваний за 30 дней3лайкавеса обновлены24 июл 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

Wherebot101 выпустил MetaView-ComfyUI — одиночный чекпойнт для ComfyUI, предназначенный для синтеза новых ракурсов по одной фотографии. Модель основана на Qwen/Qwen-Image-Edit и дополнена компонентами MetaView для учёта геометрии и параметров камеры; также в неё слита LoRA Qwen-Image-Edit-Lightning для генерации за 8 шагов при CFG 1.0. Веса представлены в формате safetensors и квантизованы в FP8 для быстрого вывода с меньшими требованиями к видеопамяти.

На вход подаются изображение и параметры движения камеры — yaw, pitch и радиус, а на выходе получается изображение сцены с нового ракурса. Для работы требуются специальные узлы Enviral Design и сопутствующие текстовый энкодер, VAE и 3D-признаки DA3; стандартного загрузчика ComfyUI недостаточно. README сообщает о небольшом типичном относительном отклонении весов после квантизации, но не приводит независимой оценки качества. Лицензия — Apache-2.0.

Сценарии применения

  • создание нового ракурса объекта по одной фотографии
  • изменение точки обзора сцены по углу yaw и pitch
  • подготовка вариантов ракурса для визуальных материалов
  • эксперименты с синтезом ракурсов в ComfyUI

Ограничения

Для запуска нужны специальные узлы Enviral Design и отдельные вспомогательные модели; обычные узлы загрузки ComfyUI не распознают модифицированную архитектуру. Качество синтеза зависит от входной фотографии и заданных параметров камеры; независимые результаты оценки в README не приведены.

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

MetaView for ComfyUI (fp8-scaled, Lightning 8-step fused)

Single-file ComfyUI checkpoint of MetaView — Monocular Novel View Synthesis with Scale-Aware Implicit Geometry Priors (ECCV 2026, arXiv:2607.12000) — pre-fused and quantized for fast, low-VRAM inference. Give it one photo and a camera move (yaw / pitch / radius) and it re-renders the scene from the new viewpoint.

Example: left = input photo, right = generated novel view at yaw −30°, pitch +15° (8 steps, CFG 1.0) Left: input photo · Right: generated novel view (yaw −30°, pitch +15°, 8 steps / CFG 1.0, this checkpoint)

What's inside

ComponentDetail
BaseQwen/Qwen-Image-Edit transformer (original release)
GraftMetaView model-2500-best delta: _3D_in projection + per-block prope_attn parallel 3D attention (PRoPE camera-aware rope), kept bf16
SpeedQwen-Image-Edit-Lightning-8steps-V1.0 LoRA fused at alpha 0.125 → 8 steps, CFG 1.0
Quantization841 base layers fp8_e4m3fn, per-tensor scale = amax/448, ComfyUI-native weight_scale convention; sensitive layers (img_in / txt_in / proj_out / norms / biases) and all MetaView layers bf16
Size26.5 GB (vs ~41 GB bf16 stack) — runs on a 16 GB GPU via ComfyUI weight streaming

Quantization is effectively lossless in practice (max per-layer relative error ~0.03% typical; outputs match the bf16 reference within run-to-run sampler noise).

Requirements

Load with the Enviral Design node pack (MetaViewModelLoader, MetaViewDA3Loader, MetaView3DConditioning) — the grafted architecture is not detected by stock loaders. Everything else is stock ComfyUI.

Companion models:

ModelFile / dirWhere
Text encoderqwen_2.5_vl_7b_fp8_scaled.safetensors → models/text_encoders/Comfy-Org/Qwen-Image_ComfyUI
VAEqwen_image_vae.safetensors → models/vae/Comfy-Org/Qwen-Image_ComfyUI
3D featuresDA3-GIANT-1.1/ (whole dir) → models/depth_anything_3/depth-anything/DA3-GIANT-1.1
DepthDA3NESTED-GIANT-LARGE-1.1/ (whole dir) → models/depth_anything_3/depth-anything/DA3NESTED-GIANT-LARGE-1.1

This file goes in models/diffusion_models/.

Usage

Example workflow ships with the node pack (workflows/). Wiring summary:

LoadImage ──┬─▶ MetaView3DConditioning (yaw / pitch / radius, auto_radius) ─▶ positive ─▶ SamplerCustom
            └─▶ TextEncodeQwenImageEdit (image, no vae) ────────────────────▶ (via conditioning node)
MetaViewDA3Loader ─▶ (da3_model)      LATENT from MetaView3DConditioning ─▶ SamplerCustom + MetaViewSigmas
MetaViewModelLoader ─▶ MODEL ─▶ SamplerCustom (euler, CFG 1.0, sigmas from MetaViewSigmas) ─▶ VAEDecode ─▶ Save
  • Sampler: stock SamplerCustom + euler at CFG 1.0, sigmas from the pack's MetaViewSigmas node (8 steps default). Lightning is fused — do not add another speed LoRA, and use MetaViewSigmas rather than a named scheduler (it reproduces the exact Qwen-Image flow-match schedule the model expects).
  • Prompt: the trigger phrase 镜头视角转到指定位置 ("move the camera to the specified position"). Extra text after it is best-effort — the model's first-class use is promptless scene mutation.
  • Camera: yaw/pitch in degrees; auto_radius derives orbit radius from scene depth (recommended).
  • Wire the VAE into MetaView3DConditioning (not into the text encode node) so the reference latent lands at generation resolution.
  • Precision note: the loader tags the fp8 layers full_precision_matrix_mult (Comfy-Org scaled-fp8 convention) — weights stay fp8 in RAM/VRAM and dequantize to bf16 for each matmul. No launch flags needed; --fast fp8_matrix_mult does not apply to these layers (this model's outputs degrade under fp8 activation matmul, so the loader opts out per-layer).

License & attribution

This checkpoint is a merge of Apache-2.0 licensed weights and is released under Apache-2.0: Kwai-Kolors/MetaView © Kuaishou (ECCV 2026) · Qwen/Qwen-Image-Edit © Alibaba Cloud · lightx2v Qwen-Image-Lightning.

Note: the Depth-Anything-3 models used by the conditioning stage (not contained in this file) are CC-BY-NC-4.0 (non-commercial) — evaluate accordingly for commercial pipelines.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
0402aa4

0 моделей