/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
cc
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Опубликована
6 дек 2025

LAMP-Qwen-2.5-VL

Генерация видеоТекст → видео3 профессии

LAMP преобразует англоязычные текстовые описания движения камеры и объектов в программы планирования 3D-движения для управления генерацией видео.

31скачиваний за 30 дней6лайковвеса обновлены23 дек 2025

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

LAMP (Language-Assisted Motion Planning) — система планирования движения, разработанная М. Бураком Кизилом, Энесом Санлы, Нилой Митрой, Эркутом Эрдемом, Айкутом Эрдемом и Дуйгу Джейлан. Её компонент планирования основан на дообученной Qwen2.5-VL-7B-Instruct с 7,1 млрд параметров и контекстом 128 000 токенов; веса представлены в формате Safetensors. Лицензия репозитория — CC.

Система преобразует текстовые описания поведения объектов и камеры в структурированные программы движения на предметно-ориентированном языке LAMP, а затем — в детерминированные 3D-траектории. Эти траектории используются для управления генерацией кинематографических видеокадров в конвейере VACE. Для работы полного конвейера требуются также компоненты генерации видео VACE; одна модель планирования движения не выполняет весь процесс синтеза видео самостоятельно.

LAMP предназначена для задания движений камеры и объектов на естественном языке и создания управляемых кинематографических сцен. В README доступна интерактивная демонстрация Gradio; для пользователей Wan2.1 с английскими запросами отмечена рекомендация включить расширение промпта для достижения полной производительности.

Сценарии применения

  • задание кинематографического движения камеры текстом
  • планирование траекторий движения объектов в сцене
  • преобразование описания сцены в программу движения LAMP
  • управляемая генерация видеосцен по 3D-траекториям

Ограничения

README описывает компонент планирования движения на базе Qwen2.5-VL и отдельно требует VACE для генерации видео. Для английских запросов в связке с Wan2.1 рекомендуется расширение промпта.

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

Introduction

LAMP defines a motion domain-specific language (DSL), inspired by cinematography conventions. By harnessing program synthesis capabilities of LLMs, LAMP generates structured motion programs from natural language, which are deterministically mapped to 3D trajectories.

🎉 News

  • Client inference is coming soon.
  • Dec 7, 2025: Gradio demo is ready to use.
  • Dec 7, 2025: We propose LAMP

⚙️ Installation

The codebase was tested with Python 3.11.13, CUDA version 12.8, and PyTorch >= 2.8.0

Setup for Model Inference

You can setup for LAMP model inference by running:

git clone https://github.com/mbkizil/LAMP.git && cd LAMP
pip install torch==2.8.0 torchvision==0.23.0 --index-url https://download.pytorch.org/whl/cu128  # If PyTorch is not installed.
pip install -r requirements.txt
pip install wan@git+https://github.com/Wan-Video/Wan2.1  

Download Models

Download the VACE and finetuned Qwen2.5-VL-7B-Instruct model weight using download.sh

chmod +x download.sh
./download.sh

🚀 Usage

In LAMP, users act as a director, providing natural language descriptions for both object and camera behaviors. The system translates these prompts into precise 3D Motion Programs and conditions the video generation process to produce cinematic shots.

Interactive Demo (Gradio)

To explore the full pipeline—from text-to-motion planning to final video synthesis—we provide an interactive Gradio interface. This single entry point handles the loading of the Motion Planner (Qwen2.5-VL) and the Video Generator (VACE) seamlessly.


python -m src.serve.app --model-path ./qwen_checkpoints/LAMP-Qwen-2.5-VL

This script will:

Load the LLM Motion Planner (Qwen2.5-based) into memory.

Initialize the embedded VACE pipeline for trajectory-conditioned generation.

Launch a local web server (default at http://127.0.0.1:8890).

💡Notes from VACE: (1) Please refer to vace/vace_wan_inference.py for the inference args. (2) For English language Wan2.1 users, you need prompt extension to unlock the full model performance. Please follow the instruction of Wan2.1 and set --use_prompt_extend while running inference.

Acknowledgement

We are grateful for the following awesome projects that served as the foundation for LAMP, including VACE for the powerful all-in-one video generation backbone and Qwen for the robust language reasoning capabilities. We also extend our thanks to Qwen-VL-Series-Finetune, which provided an efficient framework for training our motion planner.

Additionally, we acknowledge the pioneering works in camera control and trajectory generation, specifically GenDoP and Exceptional Trajectories. Their contributions to motion datasets and evaluation methodologies have brought immense inspiration to this project and established essential baselines for the field of controllable video generation.

BibTeX

@misc{kizil2025lamplanguageassistedmotionplanning,
    title={LAMP: Language-Assisted Motion Planning for Controllable Video Generation}, 
    author={Muhammed Burak Kizil and Enes Sanli and Niloy J. Mitra and Erkut Erdem and Aykut Erdem and Duygu Ceylan},
    year={2025},
    eprint={2512.03619},
    archivePrefix={arXiv},
    primaryClass={cs.CV},
    url={https://arxiv.org/abs/2512.03619}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Базовая модель Qwen/Qwen2.5-VL-7B-Instruct выложена не в формате diffusers, адаптер не к чему подключить.

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
8427f76

0 моделей