FastVideo/Wan-Syn_77x768x1280_250k

FastVideo Synthetic Wan2.1 720P数据集是由Wan2.1-T2V-14B-Diffusers模型生成的，包含随机采样的文本到视频和图像到视频任务所需的预处理后潜在变量。每个样本包含77帧，每帧大小为768×1280像素。该数据集完全兼容FastVideo仓库，可以直接加载使用，无需额外预处理。

The FastVideo Synthetic Wan2.1 720P dataset consists of latents generated by the Wan2.1-T2V-14B-Diffusers model, including preprocessed latents required for both Text-to-Video (T2V) and Image-to-Video (I2V) tasks. Each sample contains 77 frames, each with a size of 768×1280 pixels. The dataset is fully compatible with the FastVideo repository and can be directly loaded and used without any additional preprocessing.

搜集汇总

背景与挑战

背景概述

该数据集是一个包含11,200条视频相关数据的集合，总大小为406GB，采用parquet格式存储。数据集包含丰富的多模态信息，如视频描述文本、VAE潜在表示、文本嵌入和CLIP特征等，适用于视频内容分析和多模态学习任务。