Media is too big
VIEW IN TELEGRAM
🎬 شرکت Tencent مدل جهان ویدیویی تعاملی Hy-Nomas را منتشر کرد
شرکت Tencent مدل متن‌باز Hy-Nomas را منتشر کرد؛ یک مدل جهان ویدیویی تعاملی که قابلیت اجرا روی یک کارت گرافیک RTX 4090 را دارد.
این مدل ویدیو را بخش‌به‌بخش می‌سازد و کنترل آن از طریق متن و مسیر حرکت دوربین انجام می‌شود. کاربر می‌تواند در هر مرحله صحنه، سبک، عمل یا زاویه دید را تغییر دهد، در حالی که حافظه محیط میان بخش‌های مختلف حفظ می‌شود. خروجی ویدیو با رزولوشن 1280×720 و سرعت ۲۴ فریم بر ثانیه تولید می‌شود و امکان شخصی‌سازی آن برای حوزه‌هایی مانند رباتیک با استفاده از LoRA وجود دارد.
پیکربندی استاندارد این مدل برای هشت کارت گرافیک طراحی شده، اما با کوانتایز INT8 وزن‌ها، KV-cache و انتقال بخشی از پردازش به CPU، روی یک RTX 4090 هم اجرا می‌شود.
کد آموزش و اینفرنس تحت مجوز Apache-2.0 منتشر شده و وزن‌های مدل به همراه دموی آنلاین در دسترس است. هنوز بنچمارک رسمی برای Hy-Nomas ارائه نشده و گزارش فنی آن بعداً منتشر خواهد شد.
#Hy_Nomas #LoRA
شرکت Tencent مدل متن‌باز Hy-Nomas را منتشر کرد؛ یک مدل جهان ویدیویی تعاملی که قابلیت اجرا روی یک کارت گرافیک RTX 4090 را دارد.
این مدل ویدیو را بخش‌به‌بخش می‌سازد و کنترل آن از طریق متن و مسیر حرکت دوربین انجام می‌شود. کاربر می‌تواند در هر مرحله صحنه، سبک، عمل یا زاویه دید را تغییر دهد، در حالی که حافظه محیط میان بخش‌های مختلف حفظ می‌شود. خروجی ویدیو با رزولوشن 1280×720 و سرعت ۲۴ فریم بر ثانیه تولید می‌شود و امکان شخصی‌سازی آن برای حوزه‌هایی مانند رباتیک با استفاده از LoRA وجود دارد.
پیکربندی استاندارد این مدل برای هشت کارت گرافیک طراحی شده، اما با کوانتایز INT8 وزن‌ها، KV-cache و انتقال بخشی از پردازش به CPU، روی یک RTX 4090 هم اجرا می‌شود.
کد آموزش و اینفرنس تحت مجوز Apache-2.0 منتشر شده و وزن‌های مدل به همراه دموی آنلاین در دسترس است. هنوز بنچمارک رسمی برای Hy-Nomas ارائه نشده و گزارش فنی آن بعداً منتشر خواهد شد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Hy_Nomas #LoRA
Media is too big
VIEW IN TELEGRAM
🌐 انتشار مدل دنیای Hy-Nomas توسط تنسنت
تنسنت مدل دنیای (World Model) جدید خود با نام Hy-Nomas را به‌صورت متن‌باز منتشر کرد. این مدل امکان کنترل ویدیوها از طریق متن و تنظیم حرکت دوربین را فراهم می‌کند و ویدیوها را به صورت قطعه‌قطعه با حفظ کانتکست در KV-Cache می‌سازد.
ویژگی‌های اصلی این مدل شامل موارد زیر است:
* دسترسی آزاد: کد و وزن‌های مدل تحت مجوز Apache 2.0 در دسترس است و امکان Fine-tuning آن با استفاده از LoRA وجود دارد.
* سازگاری: ارائه آداپتورهای آماده برای کاربردهای سینمایی و رباتیک.
* سخت‌افزار: امکان اجرا روی یک کارت گرافیک RTX 4090 با استفاده از کوانتیزاسیون INT8. در آزمایش‌های انجام شده با سخت‌افزار قدرتمندتر (8×B200)، سرعت تولید به حدود ۱۸.۵ فریم بر ثانیه رسیده است.
برای بررسی عملکرد می‌توانید به دموی آنلاین مراجعه کنید یا جزئیات فنی و وزن‌ها را از طریق Hugging Face دریافت کنید. گزارش کامل عملکرد نیز در مستندات فنی پروژه موجود است.
#Hy_Nomas #KV_Cache
تنسنت مدل دنیای (World Model) جدید خود با نام Hy-Nomas را به‌صورت متن‌باز منتشر کرد. این مدل امکان کنترل ویدیوها از طریق متن و تنظیم حرکت دوربین را فراهم می‌کند و ویدیوها را به صورت قطعه‌قطعه با حفظ کانتکست در KV-Cache می‌سازد.
ویژگی‌های اصلی این مدل شامل موارد زیر است:
* دسترسی آزاد: کد و وزن‌های مدل تحت مجوز Apache 2.0 در دسترس است و امکان Fine-tuning آن با استفاده از LoRA وجود دارد.
* سازگاری: ارائه آداپتورهای آماده برای کاربردهای سینمایی و رباتیک.
* سخت‌افزار: امکان اجرا روی یک کارت گرافیک RTX 4090 با استفاده از کوانتیزاسیون INT8. در آزمایش‌های انجام شده با سخت‌افزار قدرتمندتر (8×B200)، سرعت تولید به حدود ۱۸.۵ فریم بر ثانیه رسیده است.
برای بررسی عملکرد می‌توانید به دموی آنلاین مراجعه کنید یا جزئیات فنی و وزن‌ها را از طریق Hugging Face دریافت کنید. گزارش کامل عملکرد نیز در مستندات فنی پروژه موجود است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Hy_Nomas #KV_Cache
❤1