FastVideo/Wan-Syn_77x448x832_600k

FastVideo Synthetic Wan2.1 480P数据集是一个合成数据集，包含了使用Wan2.1-T2V-14B-Diffusers模型生成的文本到视频和图像到视频任务的所有预处理latents。每个样本由77帧组成，每帧分辨率为448×832。该数据集完全兼容FastVideo库，可以直接加载并用于研究，无需进一步预处理。The FastVideo Synthetic Wan2.1 480P dataset is a synthetic dataset that includes all preprocessed latents for text-to-video and image-to-video tasks generated using the Wan2.1-T2V-14B-Diffusers model. Each sample consists of 77 frames, each with a resolution of 448×832. The dataset is fully compatible with the FastVideo repository and can be directly loaded and used for research without any additional preprocessing.

搜集汇总

背景与挑战

背景概述

该数据集是一个用于视频生成任务的大规模文本-视频数据集，包含约11.1万条样本，以parquet格式存储，总大小约1.76 TB。数据集提供了丰富的预计算特征，包括视频的VAE潜在表示、文本嵌入、CLIP特征和首帧潜在表示等，旨在支持文本到视频生成模型的训练和微调，如FastVideo发布的FastWan2.1-T2V系列模型。