/ Модель

Характеристики

Опубликована
1 окт 2026

MosaiChunk

Видео из изображенияИзображение, текст → видео

MosaiChunk — обученные маршрутизаторы памяти для генерации видео по изображению и тексту с соответствующими базовыми видеомоделями.

0скачиваний за 30 дней0лайковвеса обновлены2 окт 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

MosaiChunk — набор обученных весов маршрутизатора памяти для метода композиции пространственно-временной памяти при авторегрессионной генерации видео. В репозитории представлены отдельные чекпойнты для генерации видео по изображению на базе LingBot-World-Infinity и для генерации текста в видео на базе MiniMax-H3, адаптированной RAVEN; для варианта T2V дополнительно требуется предварительно обученный streaming-адаптер RAVEN.

Веса маршрутизатора сохранены без изменения значений тензоров; состояние оптимизатора и обучения исключено. Для работы необходимы соответствующие замороженные видеомодели, а веса базовых моделей и адаптера в репозитории не поставляются. Карточка связывает проект с датасетом RememBench. Лицензия в доступных сведениях не указана.

Сценарии применения

  • генерация видео на основе исходного изображения
  • авторегрессионная генерация видео с пространственно-временной памятью
  • эксперименты с маршрутизацией памяти в видеогенерации

Ограничения

Для запуска требуются соответствующие замороженные базовые видеомодели, которых нет в репозитории; для T2V также нужен адаптер RAVEN. Лицензия не указана в доступных сведениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MosaiChunk

Learned memory-router checkpoints for MosaiChunk: Compositing Spatio-Temporal Memory for Autoregressive Video Generation.

Project page · Paper · Code · RememBench

CheckpointBackbone
t2v/model.safetensorsRAVEN-adapted MiniMax-H3 (H3-AR)
i2v/model.safetensorsLingBot-World-Infinity

Each folder contains router weights and config.json. The weights are exported without changing tensor values; optimizer and training state are excluded.

These checkpoints require their corresponding frozen video backbone. T2V also requires the pretrained RAVEN streaming adapter. Backbone and adapter weights are not bundled here.

Download

from huggingface_hub import snapshot_download

snapshot_download("evanbuzzZ/MosaiChunk", local_dir="checkpoints/MosaiChunk")

See the code repository for training and inference.

License

The release license is pending. Backbone and streaming-adapter weights retain their respective licenses.

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
2192296

0 моделей