自制视频模型用 Wan 2.1 1.3B 做全局块
ostrisai · x · 2026-07-27
作者在尝试做一个像素空间视频模型：以 Wan 2.1 1.3B 作为全局块，在两端加入改造过的 hourglass transformer block。
目前还在做 hourglass 的预训练。文中给出的关键设计是：全局块使用了等效 16 倍空间压缩 和 8 倍时间压缩，说明这是一个压缩率很高的视频表示方案。
「多模态」频道最新
- LTX 2.3 近景视频实测：1080p 更清晰，RTX 3060 生成 6 秒要 12–15 分钟 — iiTzMYUNG · 2026-07-27
- Opus 5 一次提示就做出 Paper Mario 风格游戏原型 — Acid_God_ · 2026-07-27
- Runway demo 把雪夜共舞做成电影感魔幻现实视频 — LudovicCreator · 2026-07-27
- 一个 Midjourney 折纸提示词，把任何主体变成轮廓测试 — tisch_eins · 2026-07-27
- Midjourney 8.2 被指放大效果超过 Leonardo AI — aziz4ai · 2026-07-27
- Higgsfield 详细提示词示例：做出电影感 3D 微缩场景 — umesh_ai · 2026-07-27