Lire la ligne officielle
| VAE | Je suis désolé. | Caractéristiques déformées | Taux d'information | PSNR↑ | SSIM↑ | LPIPS↓ |
|---|---|---|---|---|---|---|
| SVD | 1×8×8 | 4 Les États membres | 48 | - le nombre de personnes concernées | 0,816 | 0,067 |
| Cosmos | 4×8×8 | 16 | 48 | Le taux de dépôt | 0,863 | 0,132 |
| Huneuan | 4×8×8 | 16 | 48 | - le nombre de personnes concernées | 0,922 | 0,023 |
| Le code vidéo X1.5 | 4×8×8 | 16 | 48 | Les produits de la pêche | 0,922 | 0,040 |
| Wan2.1-VAE | 4×8×8 | 16 | 48 | Les États membres | 0,911 | 0,026 |
| Wan2.2-VAE | 4×16×16 | 48 | Les produits de la pêche | - Le nombre de personnes concernées | 0,922 | 0,022 |
Le 2.2 VAE est plus comprimé spatiellement (16 vs 8) avec un canal latent plus large (48 vs 16). La reconstruction correspond toujours ou bat le pack 4×8×8 sur SSIM et LPIPS dans ce tableau. C'est la revendication de répéter pas un slogan maison 64× mieux.
Restez à l' écoute TI2V-5B
README: avec une couche de patchage supplémentaire, la compression totale de TI2V-5Bs atteint 4×32×32. Combinée à une 5B dense DiT, une 720P clip de 5 secondes est citée comme étant inférieure à 9 minutes sur un seul consommateur GPU sans astuces supplémentaires de compilateur.
A14B utilise encore la famille VAE antérieure
La compression élevée VAE est appelée pour l'hybrid 5B. Les modèles 27B MoE T2V/I2V conservent un latence compatible avec la pile à l'échelle 14B (Wan2.1-style 4×8×8). Le mélange de poids VAE à travers ces familles décode les ordures.
Questions fréquentes
- Pourquoi quatre à temps?
- 3D causelle VAE: quatre cadres (plus une limite) s'effondrent à un latent temporel. C'est pourquoi les longueurs de vidéo sont 4n + 1 cadres.
- Puis-je décoder les 2,2 latents avec un 2,1 VAE?
- Le nombre de canaux et l'état d'avancement spatial diffèrent (48 contre 16, 16 contre 8).
Sources primaires
Vérifié avec le README Wan-Video/Wan2.2 · 28 août 2026
