Видео можно перерисовать целиком, а лицо и мимику сохранить: Netflix выложила веса ID-V2V

Раньше смена стиля упиралась в лицо: покадровые фильтры плыли, а генеративные модели переписывали и внешность, и мимику. ID-V2V берёт игру и лицо из исходного ролика, а новый вид — с одного стилизованного кадра.

Кривой стилизованный кадр модель чинит на ходу. Первый кадр идёт за вашим, со второго ID-V2V возвращает лицо и игру из оригинала. Код и веса Netflix с Eyeline Labs выложили 24.07.2026.

Замер. В опросе на 20 сэмплах 26 человек выбрали ID-V2V за схожесть лица в 75% случаев, за мимику — в 74%. Когда в кадре двое, разрыв растёт до 85,62% голосов за лицо (статья на arXiv, 24.07.2026).

Железо решает. Дефолтный набор чекпойнтов весит около 96 GB на диске, вариант с картами глубины — 171 GB. Авторы гоняли модель на восьми A100-80GB. Одна карта тоже тянет: с выгрузкой в оперативную память и просадкой по скорости.

Порог входа сбивает ComfyUI. 29 июля Kijai завёл поддержку в ядро вместе с готовым workflow, а int8-веса влезают примерно в 16 GB видеопамяти.

Кто ставит руками, клонирует репозиторий Eyeline-Labs/ID-V2V и качает чекпойнты скриптом download_checkpoints.sh. Чекпойнта два, и запуск неподходящим скриптом молча ухудшает результат. Выход — 720p кусками по 81 кадру, длинное видео просто режется на больше клипов.

Своей модели с нуля тут нет. ID-V2V — файнтюн видеомодели Wan 2.1 с управлением VACE, людей в кадре размечает SAM3. Лицензия Apache-2.0, но авторы называют релиз исследовательским артефактом «для демонстрации и вдохновения».

Следующая веха — SIGGRAPH Asia 2026, куда приняли статью ID-V2V.