/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
SeedVR2
Опубликована
4 окт 2026

SeedVR2-ConvRot-w4a8

Языковая модельВидео, текст → видео

Квантизированные веса SeedVR2 7B для видеосуперразрешения в ComfyUI с меньшими требованиями к памяти и диску.

0скачиваний за 30 дней0лайковвеса обновлены9 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

SeedVR2-ConvRot-w4a8 — квантизированные веса диффузионного трансформера SeedVR2 7B NaDiT от ByteDance, подготовленные для видеосуперразрешения в ComfyUI с TensorRT. Модель принимает видео и формирует улучшенное видео; README описывает запуск через узлы SeedVR2 Video Upscaler и нативные низкоразрядные операции ComfyUI.

Веса используют формат asym_w4a8_int8: INT4-веса упакованы в хранилище torch.int8, применяются групповые масштабы размера 16 и ортогональное ConvRot-преобразование. По README, файл занимает 4,44 ГБ вместо 15,35 ГБ у исходной FP16-модели, что сокращает использование диска и памяти примерно на 71%. Репозиторий распространяется по лицензии Apache-2.0.

Модель предназначена для видеосуперразрешения, с акцентом на сохранение текстур и мелких деталей при масштабировании. Использование описано для ComfyUI и совместимых узлов SeedVR2; README сообщает о близком совпадении траекторий с FP16-базой, но не приводит независимых количественных оценок качества. Для применения нужны подходящая интеграция ComfyUI и поддержка соответствующих низкоразрядных операций.

Сценарии применения

  • увеличение разрешения видео в ComfyUI
  • восстановление мелких текстур и деталей в видео
  • обработка видео через узлы SeedVR2 с ограниченной видеопамятью

Ограничения

Для запуска требуется совместимая интеграция SeedVR2 в ComfyUI с поддержкой нативных операций W4A8. Заявления о качестве и сходстве с FP16 приведены в README, независимые оценки производительности не представлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SeedVR2 7B DiT — ConvRot W4A8 Quantization (asym_w4a8_int8)

This repository provides the official ConvRot W4A8 (asym_w4a8_int8) quantized diffusion transformer (DiT) weights for SeedVR2 / ComfyUI-SeedVR2-VideoUpscaler-with-TensorRT.

It brings the original 15.35 GB FP16 7B DiT down to 4.44 GB (~71.1% memory & disk reduction), enabling native low-bit inference directly inside ComfyUI with full VRAM savings.


Technical Specifications

ParameterSpecification
Base ArchitectureSeedVR2 7B NaDiT (ByteDance Seed)
Quantization FormatComfyUI Native asym_w4a8_int8 (AsymW4A8Int8Layout)
Weight PrecisionINT4 packed into torch.int8 storage ([out_features, in_features // 2])
Orthogonal RotationConvRot normalized Hadamard transform ($H_{256} \cdot H_{256}^T = I$)
ConvRot Group Size256 channels
Weight Group Size16 channels
Scale Hierarchy2-Level: Per-channel scale (FP32) $\times$ Per-group relative scale (FP8 e4m3fn)
Quantized Layers288 Core Transformer Block Attention & MLP 2D Projection Weights
Preserved Layers842 Sensitive Layers strictly kept in FP16 (Norms, Biases, RoPE, Embeddings, Output Heads)
Model File Size4.44 GB (FP16 original: 15.35 GB)
VRAM Footprint Reduction~71.1%

Mathematical Formulation: ConvRot & 2-Level Hierarchical Scaling

1. ConvRot Orthogonal Hadamard Rotation

DiT and LLM linear layers typically suffer from extreme activation and weight channel outliers that cause catastrophic precision degradation when truncated to 4 bits. ConvRot resolves this offline by applying an orthogonal Hadamard transformation matrix $H \in \mathbb{R}^{256 \times 256}$ along the reduction channel dimension $K$:

$$H_4 = \begin{pmatrix} 1 & 1 & 1 & -1 \ 1 & 1 & -1 & 1 \ 1 & -1 & 1 & 1 \ -1 & 1 & 1 & 1 \end{pmatrix}, \quad H_{256} = \frac{1}{\sqrt{256}} \left( H_4 \otimes H_4 \otimes H_4 \otimes H_4 \right)$$

$$W_{rot} = W_{grouped} \cdot H_{256}^T$$

Because $H$ is orthogonal ($H \cdot H^T = I$), the dot product with the rotated activation $X_{rot} = X \cdot H$ is mathematically invariant:

$$X_{rot} \cdot W_{rot}^T = (X \cdot H)(W \cdot H^T)^T = X \cdot H \cdot H^T \cdot W^T = X \cdot W^T$$

2. Hierarchical Scaling & Group Quantization

  1. Per-Channel Scale ($s_{channel}$): $$s_{channel} = \max_{j} |W_{rot, \cdot, j}| \in \mathbb{R}^{out_features} \quad (\text{FP32})$$ $$W_{norm} = \frac{W_{rot}}{s_{channel}}$$

  2. Per-Group Relative Scale ($s_{rel}$): Over blocks of $group_size = 16$: $$s_{rel} = \frac{\max_{k \in group} |W_{norm, \cdot, k}|}{7.0} \in \mathbb{R}^{out_features \times (in_features / 16)} \quad (\text{torch.float8_e4m3fn})$$

  3. INT4 Quantization & Packing: $$q = \text{clamp}\left( \text{round}\left( \frac{W_{norm}}{s_{rel}} \right), -8, 7 \right) \in \text{INT8}$$ Packed into bytes (even column into low nibble, odd column into high nibble).


ComfyUI Native VRAM-Saving Integration

Unlike naive loader implementations that dequantize weights into FP16 upon loading, this model runs through ComfyUI's native comfy.ops.mixed_precision_ops and comfy_kitchen.tensor.w4a8_int8:

  • Injected directly at DiT construction time (create_object on torch.device("meta")).
  • comfy.ops._load_quantized_module populates QuantizedTensor directly on the target GPU.
  • Matmuls execute through native Tensor Core INT8 / dequant GEMM without intermediate full FP16 weight expansion in VRAM.

Installation & Usage in ComfyUI

1. Download Model

Download seedvr2_7b_convrot_w4a8.safetensors and place it into your ComfyUI models directory:

ComfyUI/
└── models/
    └── SEEDVR2/
        └── seedvr2_7b_convrot_w4a8.safetensors

2. Node Selection

In the custom node ComfyUI-SeedVR2-VideoUpscaler-with-TensorRT:

  1. In SeedVR2 Load DiT Model or SeedVR2 (Down)Load DiT Model with Distorch2, select: seedvr2_7b_convrot_w4a8.safetensors
  2. Connect to the SeedVR2 Video Upscaler node.
  3. Run inference — enjoy ~71% VRAM reduction with preserved FP16 precision on sensitive layers.

Verification & Trajectory Benchmarking

The deterministic trajectory divergence between FP16 baseline and ConvRot W4A8 was verified using benchmark/seedvr2_w4a8_traj_compare.py:

  • Checkpoint Validation: Verified w4a8_layers=288, group_size=16, convrot=True, convrot_groupsize=256.
  • Per-Step Latent Cosine: Confirmed strong trajectory alignment without bifurcation or mode collapse.
  • Fidelity: Preserves fine textures and high-frequency details across all upscale steps.

Acknowledgements & References

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «видео → видео» пока не запускаются.

Ревизия весов
465db70

0 моделей