اقرأ الصف الرسمي
| VAE | -أجل | الميزة ضئيلة | معدل المعلومات | PSNR↑ | SSIM↑ | LPIPS↓ |
|---|---|---|---|---|---|---|
| الـ "SVD" | 1×8×8 | 4 | 48 | 28307 | 0.816 | 0 067 |
| الكون | 4×8×8 | 16 | 48 | 29.632 | 0.863 | 0.132 |
| هونيوان | 4×8×8 | 16 | 48 | 33298 | 0.922 | 023 |
| كوجفيديو إكس 1.5 | 4×8×8 | 16 | 48 | 32955 | 0.922 | 040 |
| Wan2.1-VAE | 4×8×8 | 16 | 48 | 32222 | 0.911 | 0 026 |
| Wan2.2-VAE | 4×16×16 | 48 | 64 | 33223 | 0.922 | 022 |
يتم ضغط 2.2 VAE بشكل مساحي أكثر (16 مقابل 8) مع قناة مختفية أوسع (48 مقابل 16). لا يزال إعادة التشييد يطابق أو يفوق حزمة 4×8×8 على SSIM و LPIPS في هذه الجدول. هذا هو الادعاء لتكرار ليس شعار محلي 64 × أفضل.
إصبع على TI2V-5B
README: مع طبقة إضافية من التصلب، يصل إجمالي ضغط TI2V-5Bs 4×32×32. مجتمعة مع 5B كثافة DiT، 5 ثواني 720P clip يتم اقتباسها بأقل من 9 دقائق على مستخدم واحد GPU دون خدعات مُحاكمة إضافية.
A14B لا يزال يستخدم عائلة VAE السابقة
يتم استدعاء VAE الضغط العالي لـ 5B هجينة. تحتفظ نماذج 27B MoE T2V / I2V بتخفيض متوافق مع كومة مقياس 14B (Wan2.1-style 4×8×8). يخلط وزن VAE عبر تلك العائلات القمامة.
أسئلة شائعة
- لماذا أربعة في الوقت المناسب؟
- 3D سببية VAE: أربعة إطارات (بضافة حد) انهيار إلى واحد متخفي مؤقت. هذا هو السبب في طول الفيديو هي 4n + 1 إطارات.
- هل يمكنني فك رمز 2.2 متخفي مع 2.1 VAE؟
- عدد القنوات وخطوة المكانية تختلف (48 مقابل 16، 16 مقابل 8).
المصادر الأولية
تمت المراجعة وفق README لمشروع Wan-Video/Wan2.2 · 28 أغسطس 2026
