/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
3 июн 2024

Latte-1

Генерация видеоТекст → видео4 профессии

Latte-1 — модель на основе латентной диффузии и трансформера для генерации видео и изображений по текстовым описаниям.

173скачиваний за 30 дней22лайкавеса обновлены2 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Видео» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Latte-1 — предварительно обученная модель генерации видео по тексту из проекта Latte, разработанного авторами исследования Latte: Latent Diffusion Transformer for Video Generation. Она построена на латентной диффузии с трансформером и распространяется в формате Diffusers с весами Safetensors. Модель предназначена для создания видео по текстовым запросам; README также сообщает о поддержке генерации изображений по тексту.

Latte-1 подходит для экспериментов и приложений, которым нужно создавать визуальные материалы из текстовых описаний. В карточке не приведены размер модели, длина контекста и перечень поддерживаемых естественных языков. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • создание видео по текстовому запросу
  • генерация изображений по текстовому описанию
  • подготовка визуальных материалов для творческих проектов

Ограничения

Модель описана как предварительно обученные веса для исследовательского проекта; README не сообщает размер и контекст модели либо языковые ограничения. Для генерации изображений указан отдельный сценарий, но он не отражён в pipeline_tag.

Для каких профессий подходит4

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

Latte: Latent Diffusion Transformer for Video Generation

This repo contains text-to-video generation pre-trained weights for our paper exploring latent diffusion models with transformers (Latte). You can find more visualizations on our project page. If you want to obtain pre-trained weights on FaceForensics, SkyTimelapse, UCF101, and Taichi-HD, please refer to here.

News

  • (🔥 New) May. 23, 2024. 💥 Latte-1 for Text-to-video generation is released! You can download pre-trained model here. Latte-1 also supports Text-to-image generation, please run bash sample/t2i.sh.

  • (🔥 New) Mar. 20, 2024. 💥 An updated LatteT2V model is coming soon, stay tuned!

  • (🔥 New) Feb. 24, 2024. 💥 We are very grateful that researchers and developers like our work. We will continue to update our LatteT2V model, hoping that our efforts can help the community develop. Our Latte discord channel is created for discussions. Coders are welcome to contribute.

  • (🔥 New) Jan. 9, 2024. 💥 An updated LatteT2V model initialized with the PixArt-α is released, the checkpoint can be found here.

  • (🔥 New) Oct. 31, 2023. 💥 The training and inference code is released. All checkpoints (including FaceForensics, SkyTimelapse, UCF101, and Taichi-HD) can be found here. In addition, the LatteT2V inference code is provided.

Contact Us

Yaohui Wang: wangyaohui@pjlab.org.cn Xin Ma: xin.ma1@monash.edu

Citation

If you find this work useful for your research, please consider citing it.

@article{ma2024latte,
  title={Latte: Latent Diffusion Transformer for Video Generation},
  author={Ma, Xin and Wang, Yaohui and Jia, Gengyun and Chen, Xinyuan and Liu, Ziwei and Li, Yuan-Fang and Chen, Cunjian and Qiao, Yu},
  journal={arXiv preprint arXiv:2401.03048},
  year={2024}
}

Paper: https://huggingface.co/papers/2401.03048

Acknowledgments

Latte has been greatly inspired by the following amazing works and teams: DiT and PixArt-α, we thank all the contributors for open-sourcing.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
0653024

0 моделей