-
Update README.md
-
Update README.md
-
Upload demo.png
-
Update README.md
-
Update README.md
-
Create README.md
# MMPL — Planning-based T2V Model (finetuned from Wan2.1-14B-T2V)
> **概述**：**MMPL** 是在 **Wan2.1-14B-T2V** 基座上，使用 **50k 私有高质量视频数据** 进行微调得到的“规划式（Planning）”文本到视频生成模型。我们**不修改任何原始架构**，仅通过高质量规划式指令与监督，显著提升主体/背景一致性、运动平滑与文本-视觉对齐的人评表现。
---
## 🔍 模型介绍
- **基座模型**：Wan2.1-14B-T2V
- **微调数据**：50k 条私有高质量视频-文本指令样本
- **训练目标**：在保持原架构不变的前提下，提升主体一致性、背景一致性，大幅度降低误差累计
---
## 🏗️ 模型架构
MMPL **完全沿用** Wan2.1-14B-T2V 的原始网络结构与推理范式：
- **整体结构**：与 Wan2.1 一致（Decoder-only/扩散式堆叠）
- **注意力/激活/归一化/位置编码**：与基座一致（兼容 FlashAttention2 等加速）
- **时空分辨率与采样调度**：与基座配置一致
- **不改动任何子模块**（头数、通道数、FFN 维度、位置编码等），仅在参数上微调。
---
## 📊 评测结果
> 下表为 MMPL 与常见方法的对比（你提供的截图已转为 Markdown 表格）。**粗体**表示该列最优。
### VBench Evaluation & Human Evaluation
| 模型 | Subject Consistency | Background Consistency | Motion Smoothness | Aesthetic Quality | Imaging Quality | Text-Visual Alignment | Content Consistency | Color Shift |
|---|---:|---:|---:|---:|---:|---:|---:|---:|
| **Causal** | | | | | | | | |
| FIFO (Kim et al., 2024) | 0.956 | 0.960 | 0.… -
initial commit
