/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.2-TI2V-5B
Библиотека
diffusers
Опубликована
6 окт 2026

LOCI

Видео из изображенияИзображение, текст → видео

LOCI — модель генерации длинных видео по исходному изображению, сохраняющая пространственную память сцены при движении и возвращении камеры.

0скачиваний за 30 дней0лайковвеса обновлены6 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

LOCI — видеомодель пространственной памяти, созданная на основе Wan2.2-TI2V-5B. Она генерирует видео по исходному изображению и сохраняет сведения о ранее увиденных областях сцены: при повторном наведении камеры модель старается воспроизвести их содержимое. В архитектуре сочетаются блоки с кэшем прошлых наблюдений и блоки с рекуррентной линейной памятью, обращение к которой учитывает геометрию камеры.

Модель предназначена для потоковой генерации длинных видео с управляемой траекторией камеры и сохранением пространственной согласованности. В репозитории есть вариант на 50 шагов и дистиллированный вариант на 4 шага. Для режима ограниченной памяти модель хранит выбранные опорные кадры и недавние кадры, что позволяет генерировать длинные последовательности с постоянным расходом памяти. Компоненты VAE, текстовый энкодер и токенизатор берутся из релиза Wan2.2.

Заявлено более точное воспроизведение повторно посещённых сцен по сравнению с рядом моделей мира на тестах MIND и записанных траекториях. Для запуска указаны разрешения 480×864 или 512×768 и одна GPU; рекомендуется GPU класса H100/H200 с 80 ГБ памяти. Полный режим истории требует всё больше времени и памяти по мере роста видео. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация видео по исходному кадру с движением камеры
  • создание длинных видеосцен с повторным посещением уже показанных областей
  • потоковая генерация видео с ограниченным расходом памяти
  • проверка пространственной согласованности моделей мира на траекториях камеры

Ограничения

Для полного режима истории время генерации и расход памяти растут с длиной видео; для запуска рекомендована GPU класса H100/H200 с 80 ГБ памяти. Указанные результаты основаны на бенчмарке MIND и записанных траекториях камеры.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LOCI

LOCI is a hybrid spatial-memory video world model built on Wan2.2-TI2V-5B. When a camera revisits a previously observed region, it reproduces what was there before: in half of the transformer blocks, attention keeps a key-value cache of past observations; in the other half, attention is restricted to the current chunk and complemented by a recurrent linear-attention memory whose reads and writes are conditioned on projective camera geometry. On the public MIND memory benchmark and on held-out recorded trajectories, LOCI reproduces revisited content more faithfully than representative world models and a same-recipe full-softmax model; with a bounded bank of retained observations, it streams long videos at constant memory.

Models

This repository holds two models with the same architecture, each in its own subfolder:

subfoldersamplersteps
LOCI/flow_euler50
LOCI-4step/few_step (distilled)4

Each subfolder contains config.json, the shard index, 3 bf16 shards (about 11 GB, transformer only) and SHA256SUMS. The sampler and the number of steps are read from config.json; --steps N overrides the number of steps.

Download

Download one model:

hf download sum0214/LOCI --include "LOCI-4step/*" --local-dir ./weights   # 4-step model
hf download sum0214/LOCI --include "LOCI/*" --local-dir ./weights         # 50-step model

The VAE, text encoder and tokenizer come from the Wan2.2 base release (Wan-AI/Wan2.2-TI2V-5B-Diffusers); the code loads them from the Hub.

Run

Install the code from https://github.com/xiaji2021/LOCI, then:

python examples/make_trajectory.py --preset look_around --chunks 16 --output traj.json
python scripts/generate.py --weights ./weights/LOCI-4step --wan Wan-AI/Wan2.2-TI2V-5B-Diffusers \
    --image first_frame.png --prompt "A sunlit stone temple courtyard with red lanterns." \
    --trajectory traj.json --height 512 --width 768 --output out.mp4

Recommended use

  • Full history (default) is recommended for clips up to about one minute.
  • --history sparse selects the paper's bounded-memory setting: first frame + a view bank + the most recent frames, at constant memory.
  • Resolution 480x864 or 512x768, one GPU. An 80 GB-class GPU (H100 / H200) is recommended.

Speed

Measured on one NVIDIA H200 with FlashAttention-3: LOCI (50 steps), 480x864, bfloat16, a recorded 300 s camera trajectory. Time is seconds per second of generated video (one chunk = 20 frames = 1.25 s at 16 fps). Memory is the peak GPU memory allocated during generation (text encoding and VAE decoding not included).

historys per video secondpeak GPU memorymeasured over
full (dense, default)7.030.0 GiBthe first 40 s (time and memory grow with length)
bounded (sparse)5.016.2 GiB300 s (constant time per chunk and constant memory)

Citation

@article{xia2026loci,
  title={LOCI: Spatial Linear Memory for Streaming World Models},
  author={Xia, Ji and Liao, Tingting and Liang, Xuezhi and Li, Hao and Liu, Guangyi},
  journal={arXiv preprint arXiv:2609.40222},
  year={2026}
}

Acknowledgements

LOCI builds on Wan2.2. We thank the authors of ARL² (Li, Shah and Shang, Attend Locally, Remember Linearly): LOCI adopts their hybrid layer layout and follows their sampling procedure for the recurrent memory.

License

Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
df57be2

0 моделей