Open-H3-Regenerate-2K开放权重发布
英伟达与麻省理工学院组成的Efficient-Large-Model团队在Hugging Face发布了Open-H3-Regenerate-2K权重,并在NVlabs/Sana仓库开放推理代码。该方案基于MiniMax H3,可将低分辨率草稿重生成为2560×1440的2K视频,最高支持3840×2160原生4K输出。项目团队称,在单张NVIDIA B200 GPU上处理约5秒视频,2K处理耗时由87.26秒降至22.45秒,UniPercept平均分为60.0,高于官方API的53.4。
此次发布为MiniMax H3开放权重生态提供了可自行部署的高分辨率视频重生成实现,并报告了处理速度与感知画质的提升。
近日,由英伟达与麻省理工学院研究人员组成的 Efficient-Large-Model 团队,在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重,配套推理代码已在 NVlabs/Sana 仓库开放。该方案基于 MiniMax H3,将低分辨率视频草稿重新生成为高分辨率视频,支持 2560×1440 的 2K 输出,最高可实现 3840×2160 的原生 4K 重生成。
MiniMax H3 的完整系统包含多模态上下文处理、基础音视频生成和高分辨率重生成等环节。其中,已开放权重的 H3-Base 负责生成 768P 音视频,官方 H3-Regenerate-2K 模块通过 API 提供服务。此次发布的项目复用 H3 基础模型的生成能力,为高分辨率重生成环节提供了一套可自行部署的开放实现。
在细化模型的训练阶段,研究团队保持 H3 Transformer 主干与视频 VAE 的原有参数不变,仅训练新增的细化 LoRA。推理时,细化 LoRA 与 LightX2V FL2VA Turbo、LMS Sharp 等社区适配器合并使用,通过三步去噪,在目标分辨率下重新生成画面细节。视频草稿中的场景、布局和运动信息,则为这一过程提供基础。
#NVIDIA#Massachusetts Institute of Technology#Efficient-Large-Model#MiniMax#Open-H3-Regenerate-2K#MiniMax H3#H3-Base#H3-Regenerate-2K#NVlabs/Sana#NVIDIA B200#LightX2V FL2VA Turbo#LMS Sharp