/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
8 дек 2023

stable-video-diffusion-img2vid-xt

Видео из изображенияИзображение, текст → видео3 профессии

Производная модели model-hub/stable-video-diffusion-img2vid-xt. Модель Stability AI создаёт короткие видеоклипы из исходного изображения для творческих задач и исследований.

112скачиваний за 30 дней8лайковвеса обновлены8 дек 2023

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

Карточка модели thingthatis/stable-video-diffusion-img2vid-xt на Hugging Face совпадает с карточкой model-hub/stable-video-diffusion-img2vid-xt, поэтому описание составлено по ней.

Stable Video Diffusion Image-to-Video — модель латентной диффузии для преобразования неподвижного изображения в короткий видеоклип. Её разработала Stability AI; версия XT дообучена на базе SVD Image-to-Video на 14 кадров. Модель генерирует 25 кадров с разрешением 576×1024 по изображению того же разрешения и использует декодер, дообученный для временной согласованности.

Модель подходит для создания коротких анимированных сцен из изображений, творческих и дизайнерских задач, а также исследований генеративных моделей и их ограничений. Текстовое управление не поддерживается. Видео могут не содержать заметного движения, выглядеть недостаточно фотореалистично; лица и люди могут генерироваться некорректно, а текст в кадре — быть нечитаемым. Модель не предназначена для достоверного изображения людей или событий. README указывает на исследовательское назначение и соблюдение политики допустимого использования Stability AI; в метаданных лицензия обозначена как other.

Сценарии применения

  • анимация неподвижного изображения в короткий ролик
  • создание видеозаготовок для дизайна и иллюстрации
  • визуализация движения в творческих проектах
  • исследование генерации видео из изображений

Ограничения

Клипы короткие (до 4 секунд); возможны отсутствие движения, слабый фотореализм и ошибки в изображении лиц, людей и текста. Текстовое управление не поддерживается, а модель не предназначена для достоверного изображения людей или событий.

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

Stable Video Diffusion Image-to-Video Model Card

row01 Stable Video Diffusion (SVD) Image-to-Video is a diffusion model that takes in a still image as a conditioning frame, and generates a video from it.

Model Details

Model Description

(SVD) Image-to-Video is a latent diffusion model trained to generate short video clips from an image conditioning. This model was trained to generate 25 frames at resolution 576x1024 given a context frame of the same size, finetuned from SVD Image-to-Video [14 frames]. We also finetune the widely used f8-decoder for temporal consistency. For convenience, we additionally provide the model with the standard frame-wise decoder here.

  • Developed by: Stability AI
  • Funded by: Stability AI
  • Model type: Generative image-to-video model
  • Finetuned from model: SVD Image-to-Video [14 frames]

Model Sources

For research purposes, we recommend our generative-models Github repository (https://github.com/Stability-AI/generative-models), which implements the most popular diffusion frameworks (both training and inference).

Evaluation

comparison The chart above evaluates user preference for SVD-Image-to-Video over GEN-2 and PikaLabs. SVD-Image-to-Video is preferred by human voters in terms of video quality. For details on the user study, we refer to the research paper

Uses

Direct Use

The model is intended for research purposes only. Possible research areas and tasks include

  • Research on generative models.
  • Safe deployment of models which have the potential to generate harmful content.
  • Probing and understanding the limitations and biases of generative models.
  • Generation of artworks and use in design and other artistic processes.
  • Applications in educational or creative tools.

Excluded uses are described below.

Out-of-Scope Use

The model was not trained to be factual or true representations of people or events, and therefore using the model to generate such content is out-of-scope for the abilities of this model. The model should not be used in any way that violates Stability AI's Acceptable Use Policy.

Limitations and Bias

Limitations

  • The generated videos are rather short (<= 4sec), and the model does not achieve perfect photorealism.
  • The model may generate videos without motion, or very slow camera pans.
  • The model cannot be controlled through text.
  • The model cannot render legible text.
  • Faces and people in general may not be generated properly.
  • The autoencoding part of the model is lossy.

Recommendations

The model is intended for research purposes only.

How to Get Started with the Model

Check out https://github.com/Stability-AI/generative-models

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
8dfeba3

0 моделей