公式の行を読む
| VAE | 特徴の薄い | 情報の速率 | PSNR↑ | SSIM↑ | LPIPS↓ | |
|---|---|---|---|---|---|---|
| 電気自動車 | 1×8×8 | 4 について | 48 について | 総額 | ||
| コスモス | 4×8×8 | 16 図書 | 48 について | 年間 | ||
| 源 | 4×8×8 | 16 図書 | 48 について | 年間 | ||
| コグビデオX1.5 | 4×8×8 | 16 図書 | 48 について | 生産量 | ||
| Wan2.1-VAE | 4×8×8 | 16 図書 | 48 について | 総額 | ||
| Wan2.2-VAE | 4×16×16 | 48 について | 64 図書 | 年間 |
2.2 VAE はより広い潜伏チャンネル (48 vs 16) と空間的に圧縮されている.再構築は,この表の SSIM と LPIPS の 4×8×8 パックに一致する.
固定する TI2V-5B
README:追加パッチ化層では,総圧縮は TI2V-5Bs に達する 4×32×32. 5B密度の DiTと組み合わせると,単一の消費者の GPU で,追加的なコンパイラトリックなしで,5秒 720P clip は9分未満として引用されます.
A14B はまだ以前の VAE ファミリーを使用している
高圧縮 VAE は 5B ハイブリッドに呼び出されます. 27B MoE T2V/I2V モデルは 14B 規模スタック (Wan2.1-style 4×8×8) と互換性のある潜伏を維持します.これらの家族間の VAE 重みを混合するとゴミを解読されます.
よくある質問
- 4時間?
- 原因3D VAE: 4フレーム (さらに境界) が一時的な潜伏に崩壊します.それゆえビデオ長さは 4n+1フレームです.
- 解読できるでしょうか? VAE?
- チャンネル数と空間進度が異なる (48対 16, 16対 8).
一次資料
Wan-Video/Wan2.2 README と照合済み · 2026年8月28日
