开源 Steppe-Wan2.1: latent 空间一步 4x 超分,架构由 Claude 跑 120 组实验筛出
TensorForger · reddit · 2026-11-22
作者 TensorForger 发布 Steppe-Wan2.1,一套针对 Wan 2.1 / Krea 2 / Qwen Image latent 空间的生成式上采样模型,权重、ComfyUI 节点和 HF Demo 均已开源。
核心思路:不同于「确定性 latent 放大 → 大模型去噪修复」的两段式流程,Steppe 直接在 latent 空间做 2x 超分后即可解码,速度更快且更好保留低分辨率 latent 的信息。
特性:
- 支持图像与视频,视频可同时做空间+时间(2x fps)上采样
- 通过 High Frequency Features Conditioning 控制输出锐度,无需 prompt
- 三个版本:200M 多步 base、200M 蒸馏单步(约 45ms/2x)、20M 轻量版(实时/超高分辨率场景)
- 时空局部性设计:窗口注意力可分块计算、时间路径完全因果,支持逐帧流式处理,降低显存占用
有趣的后记:架构是通过 agentic autoresearch 循环(受 karpathy/autoresearch 启发)自动发现的——Claude Opus 5.5 在 8 卡 GPU 并行跑了约 120 组实验(30 分钟 RTX5090 预算筛架构,再逐步放大),最终得到 Swin transformer + 卷积混合架构及若干训练稳定性改进。实验日志在开发仓库可查。
所属事件:Steppe-Wan2.1 开源:latent 空间一步生成式超分(2 条相关)→
「多模态」频道最新
- 网友实验让 Krea2 跳过 VAE Decode 直接输出像素,单张 3090 过夜训练 — Remote_Net374 · 2026-11-22
- Rust+Bevy 上实现 Splatting 实时渲染,3D 游戏传统管线被颠覆 — taiyasaki · 2026-11-22
- 3090 本地跑 Minimax H3 生成视频,卡在如何无缝续接分段 — fire_abyss_guardian · 2026-11-22
- 用 Genie 4 世界模型取景,ComfyUI 里 MiniMax H3 生成同山四视角 — PurzBeats · 2026-11-22
- 创作者分享暗调霓虹风 AI 人像作品集 — braelyn_ai · 2026-11-22
- 一人用 ComfyUI+MiniMax 搭出 360° 全景角色合成工作流并开源分享 — Mean-Band · 2026-11-22