W.A.L.T
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Stanford University,Google Research,Georgia Institute of Technology
- Tipo de Organización
- Academia,Industry,Academia
- País
- United States of America
- Publicado
- 11 December 2023
- Autores
- Agrim Gupta, Lijun Yu, Kihyuk Sohn, Xiuye Gu, Meera Hahn, Li Fei-Fei, Irfan Essa, Lu Jiang, José Lezama
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video
- Tarea
- Video generation, Text-to-video
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 4.7B
- Datos de entrenamiento
- tokens
"We train our base model at resolution 17 × 128 × 128 (3B parameters), and two 2× cascaded super-resolution models for 17 × 128 × 224 → 17 × 256 × 448 (L, 1.3B, p = 2) and 17 × 256 × 448 → 17 × 512 × 896 (L, 419M, p = 2) respectively" 3B + 1.3B + 419M = 4.719B
"We train W.A.L.T for text-to-video jointly on text-image and text-video pairs (Sec. 4.2). We used a dataset of ∼970M text-image pairs and ∼89M text-video pairs from the public internet and internal sources. "
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
"these design decisions enable us to achieve state-of-the-art performance on established video (UCF-101 and Kinetics-600) and image (ImageNet) generation benchmarks without using classifier free guidance"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Photorealistic Video Generation with Diffusion Models
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
W.A.L.T fue publicado por Stanford University,Google Research,Georgia Institute of Technology, en el país registrado como United States of America, durante December 2023. La categoría en la que se encuentra el editor es academia,Industry,Academia.
Funciona en el dominio de Video, y se registra como realizando la tarea de video generation, Text-to-video.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
W.A.L.T — preguntas comunes
W.A.L.T— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 4.7B. "We train our base model at resolution 17 × 128 × 128 (3B parameters), and two 2× cascaded super-resolution models for 17 × 128 × 224 → 17 × 256 × 448 (L, 1.3B, p = 2) and 17 × 256 × 448 → 17 × 512 × 896 (L, 419M, p = 2) respectively" 3B + 1.3B + 419M = 4.719B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
W.A.L.T— ¿Quién lo creó?
Fue publicado por Stanford University,Google Research,Georgia Institute of Technology, basado en United States of America, una organización categorizada como academia,Industry,Academia.
W.A.L.T— ¿cuándo fue lanzado?
Se publicó en December 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
W.A.L.T— ¿Para qué se utiliza?
Funciona en el dominio de Video, y se registra como manejando la tarea de video generation, Text-to-video. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
W.A.L.T— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
W.A.L.T— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.