/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
1 окт 2026

MosaiChunk

Видео из изображенияИзображение, текст → видео

Набор обученных маршрутизаторов памяти для генерации видео по изображению или тексту с соответствующими видеобэкбонами.

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 компоновки пространственно-временной памяти в авторегрессионной генерации видео. В репозитории размещены отдельные чекпойнты для генерации видео по тексту на базе RAVEN-adapted MiniMax-H3 (H3-AR) и для генерации видео по изображению на базе LingBot-World-Infinity; метаданные Hugging Face классифицируют модель как image-to-video.

Веса маршрутизатора поставляются в формате safetensors вместе с конфигурацией. Для работы необходимы соответствующий замороженный видеобэкбон, а для варианта T2V — также предварительно обученный streaming adapter RAVEN; их веса в репозитории отсутствуют. README ссылается на проект, статью и код, а также на набор данных RememBench. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией проекта.

Сценарии применения

  • генерация видео на основе входного изображения
  • авторегрессионная генерация видео с маршрутизацией пространственно-временной памяти
  • эксперименты с памятью в потоковой генерации видео

Ограничения

Чекпойнты содержат только веса маршрутизатора: для запуска нужны соответствующий замороженный видеобэкбон, а для T2V также адаптер RAVEN; эти веса здесь не включены. Лицензия обозначена как other, поэтому условия использования требуют отдельной проверки.

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("mosaichunk/MosaiChunk", local_dir="checkpoints/MosaiChunk")

See the code repository for training and inference.

License

Each router checkpoint is subject to the license of its backbone:

The checkpoints do not include backbone or adapter weights and grant no rights to them.

Citation

@misc{zhang2026mosaichunkcompositingspatiotemporalmemory,
      title={MosaiChunk: Compositing Spatio-Temporal Memory for Autoregressive Video Generation},
      author={Yiwen Zhang and Haocheng Xi and Michael Tian-Yue Liu and Alexei A. Efros and Hadar Averbuch-Elor and Qianqian Wang and Haiwen Feng},
      year={2026},
      eprint={2610.02153},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2610.02153},
}

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
016a461

0 моделей