j1s4nn/jev-adaptive-granularity-WM
¿Es de fiar?
Conviene mirarlo con calma antes de usarlo.
Avisos Revisa
Muy nuevo: se creó hace 6 días. Espera un poco antes de instalarlo.
Estrellas de cuentas reales Sin datos
Todavía no hemos comprobado si sus estrellas son falsas.
Activo Bien
Último cambio hace 5 días.
Licencia Bien
MIT: puedes usarlo gratis, también en un producto comercial. Conserva el aviso de licencia.
Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.
Qué es
Código oficial y artefactos de auditoría para enrutar por segmentos la granularidad temporal (fina, gruesa y de retención) en el generador causal de vídeo Causal-rCM (Wan2.1-1.3B), usando un oráculo solo textual llamado Jev para elegir el modo. Incluye auditorías de coste en dos…
Para quién es
Investigadores e ingenieros de aprendizaje automático que estudian la difusión causal eficiente de vídeo y la planificación adaptativa de la inferencia
Cómo usarlo
Pide a tu IA que lo instale
Pega esto en Claude, ChatGPT o tu asistente de programación.
Ayúdame a instalar y configurar j1s4nn/jev-adaptive-granularity-WM en mi proyecto. Sigue su README: https://github.com/j1s4nn/jev-adaptive-granularity-WM. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.
Curva de estrellas
Alternativas
Proyectos parecidos que cita su ficha. Cada enlace busca en el directorio.
Recibe alertas de repos como este
Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.
18.267 repos de GitHub vigilados y ordenados cada hora. Cifras a 20 de octubre de 2026.
Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad
Para quien mantiene el repo
Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.
[](https://repoalerts.com/repo/j1s4nn/jev-adaptive-granularity-WM?ref=badge)Repos parecidos
- code-video-model/CodeVideoModel
Base de código de investigación para generar vídeos a partir de escenas Three.js editables. Produce código Three.js a partir de texto, renderiza vídeos de referencia, crea imágenes de referencia y eje
- Tencent-Hunyuan/Prism
Código de investigación de Prism, un marco de atención dispersa dinámica para entrenar de forma nativa modelos de generación conjunta de vídeo y audio a resolución 2K. Divide los tokens en zonas espac
- MCG-NJU/VideoJev
Modelo de visión y lenguaje que realiza localización temporal y preguntas de opción múltiple sobre vídeo mediante puntuación directa de candidatos, sin generar texto. Se publica en versiones de 4B y 3
- zjwfufu/SMD
Base de código para entrenar e inferir con destilación de difusión en pocos pasos mediante un método on-policy. Incluye configuraciones para modelos de texto a imagen, edición de imágenes, texto a víd
- Moxin-Tech/moworld_base
Base de código de investigación de MoWorld, un modelo de mundo rápido que genera vídeo interactivo en tiempo real a partir de un primer fotograma, un texto y controles de cámara. Incluye entrenamiento
- VAST-AI-Research/EdenLive
Renderizador generativo en tiempo real que convierte un vídeo de referencia procedente de un programa interactivo en fotogramas detallados, guiado por un primer fotograma objetivo y un prompt de texto