模型详情
模型介绍
中文整理# VerseCrafter 模型卡片
Model use case
VerseCrafter 是一个可控的视频世界模型，能够对相机和多目标运动进行显式的4D几何控制。
## 主要能力
- *动态现实视频世界模型**：VerseCrafter 从大规模真实数据中学习现实且可控的视频世界先验，能够处理具有强时空一致性的挑战性动态场景。
- *4D几何控制**：统一的4D控制状态提供对相机运动、多目标运动及其协同的直接、可解释控制，提升几何真实性。
- *冻结视频先验 + GeoAdapter**：将几何感知的GeoAdapter连接到冻结的Wan2.1主干网络，将4D控制注入扩散块，在不牺牲视频质量的前提下实现精确控制。
## 输入输出
- *输入控制信号**：相机轨迹 + 3D高斯物体轨迹
- *输出**：81帧视频，分辨率720×1280
运行要求
- *基础模型**：Wan2.1-T2V-14B
- *架构**：冻结的DiT + 可训练的GeoAdapter
- *分辨率**：720×1280
- *帧数**：81帧
基本用法
完整流程包括深度估计、分割、3D高斯拟合、在Blender中自定义轨迹以及视频生成。具体安装和推理步骤请参考GitHub仓库。
限制
本项目仅供学术研究使用，禁止商业用途。
许可证
本项目基于VerseCrafter许可证发布，仅限学术研究目的，禁止商业使用。
## 致谢
本工作基于MoGe、Grounded-SAM-2、VideoX-Fun、Wan2.1和diffusers构建。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。