Steppe-Wan2.1 开源:潜在空间直接解码的 2x 超分模型
TensorForger · reddit · 2026-11-22
作者发布 Steppe-Wan2.1:一个生成式潜在空间超分辨率模型,支持 Wan 2.1、Krea 2、Qwen Image 等模型的 latent,可直接对图像和视频做 2x 超分,视频还支持空间+时间(帧率)上采样。
核心亮点
- 与「先确定性放大 latent 再用大模型去噪修复」的两阶段法不同,该模型输出可直接解码,更快且保留更多低分辨率 latent 信息。
- 提供 HFF(高频特征条件)机制控制输出锐度,无需文本 prompt,模型仅凭低分辨率输入理解内容。
- 三个版本:200M 多步 base 模型(可用 CFG)、200M 蒸馏单步版(主力)、20M 轻量单步版(超高分辨率或实时视频超分)。单步 2x 约 45ms。
- 结构上空间和时间均局部化:窗口注意力可分块计算,时间路径完全因果化,可逐帧流式推理,降低显存占用。
有趣背景:架构是通过 agentic autoresearch 循环发现的——Claude Opus 5.5 在 8 GPU 上并行跑约 120 个实验(受 Karpathy autoresearch 启发),任务是在 30 分钟 RTX5090 算力预算内最大化 patchfid,再将最优配置扩展训练成 base 模型。
已开源 ComfyUI 节点、HF 权重与在线 demo。
「多模态」频道最新
- 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
- 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 · 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
- 开源 AI 视频编辑器 Scarlet 大更新:支持 Gemini 并可画框指定剪辑 — MatthewBerman · 2026-11-22