www.jhyyjz.com,以简单为核心,却拥有强大的功能与丰富的内容

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

ControlNet作者张吕敏最新论文:长视频也能实现超短上下文

2026-01-09 04:00:04
泉源:

猫眼影戏

作者:

李英三

手机审查

  猫眼影戏记者 索洛韦茨基 报道Q8X2R7L1T4J5M9B6W3

编辑|冷猫

大部分的高质量视频天生模子,都只能天生上限约15秒的视频。清晰度提高之后,天生的视频时长还会再一次缩短。

这就让实验AI视频创意的创作者们很是苦恼了。要想实现创意,必需使用分段天生,连系首尾帧,不但操作起来很贫困,并且需要往返抽卡来包管画面的一致性。

那么,限制视频天生时长的瓶颈在那里?

各人可能不知道的是,一段 60 秒、480p、24 帧/秒的视频,在模子内部会被拆解成凌驾 50 万个「潜在 token」

这些 token 就像一条极长的影象胶带,模子想要坚持剧情连贯、画面一致,就必需重新到尾生涯上下文影象。但价钱是:算力直接爆炸,通俗显卡基础扛不住。

这正是目今自回归视频天生模子的焦点矛盾。一边是越长的上下文,画面越连贯;另一边是越长的上下文,盘算本钱越高。

于是,研究者们不得不做出妥协:要么用滑动窗口切掉大部分历史,换取可运行的算力;要么对视频举行激进压缩,牺牲清晰度和细节。

问题在于,这些压缩要领往往最先丢掉的,正是决议画面真实感与一致性的高频细节。

也正是在这一逆境下,苏州大学校友,斯坦福大学博士,ControlNet 创作者张吕敏团队为此投入了研究提出了一种新的解决思绪,给出了专为长视频设计的影象压缩系统,在压缩的同时尽可能保存细腻视觉信息。

论文问题:Pretraining Frame Preservation in Autoregressive Video Memory Compression论文链接:https://arxiv.org/abs/2512.23851v1

研究团队提出了一种神经网络结构,用于将长视频压缩为短上下文,并设计了一种显式的预训练目的,使模子能够在恣意时间位置保存单帧中的高频细节信息。

基线模子可以将一段20 秒的视频压缩为约 5k 长度的上下文体现,同时支持从中随机检索单帧,并在感知质量上坚持优异的外观保真度

这种预训练模子可以直接微调为自回归视频模子的影象编码器(memory encoder),从而以较低的上下文本钱实现长历史影象建模,并且仅带来相对较小的保真度损失。

该视频是使用完整历史上下文(不切割任何历史。┲鹈胱曰毓樘焐。20 多秒的历史被压缩为 ~ 5k 上下文长度,并由 RTX 4070 12GB 处置惩罚。

全新的影象压缩架构

详细而言,研究团队接纳两阶段战略

首先,预训练一个专用的影象压缩模子,其目的是在恣意时间位置上尽可能保存高保真帧级细节信息。

该预训练目的通过对从压缩历史中随机采样的帧最小化其特征距离来实现,从而确保模子在整个序列规模内都能稳健地编码细节信息。

在网络结构设计上,提出了一种轻量级双路径架构:模子同时处置惩罚低区分率视频流和高区分率残差信息流,并通过将高区分率特征直接注入 Diffusion Transformer 的内部通道,绕过古板 VAE 所带来的信息瓶颈,从而进一步提升细节保真度。

预训练影象压缩模子

影象压缩模子的预训练。影象压缩模子需要将长视频(例如 20 秒)压缩成短上下文(例如长度为 5k)。预训练的目的是在恣意历史时间位置检索具有高频细节的帧。

该要领的焦点立异在于其预训练目的设计

研究团队视察到,权衡视频压缩机制保存上下文细节能力的一个合适的指标是其恣意时间位置高质量帧检索的能力。关于高压缩率,完善检索变得不切现实,因此目的变为最大化恣意帧的检索质量。

随后,研究团队将所选的清洁帧复制作为扩散模子的目的,使扩散系统能够在恣意时间位置重修目的帧。该历程可体现为:

这种随机化选择机制有用避免模子通过仅编码易于会见的。ɡ缡字』蚰┲。├础竿镀跞∏伞,从而迫使模子学习一种能够在整个时间序列规模内一连保存细节信息的体现方法。

内存压缩模子的架构。使用 3D 卷积、SiLU 和注重力机制来构建一个轻量级的神经网络结构,作为基准压缩模子。

视频扩散模子的微调

微调自回归视频模子。展示了最终自回归视频模子的微协调推理历程。影象压缩模子的预训练在微调之前完成。

由此获得的视频天生模子具备超长历史窗口(例如凌驾 20 秒)、极短的历史上下文长度(例如约 5k),并且对帧检索质量举行了显式优化。

该扩散历程亦可凭证公式体现为:

实验效果

在实验中,研究团队使用 8 × H100 GPU 集群举行预训练,并使用 1 × H100s 或 A100s 举行 LoRAs 微调。所有实验均在 HunyuanVideo和 Wan 系列的基础模子上举行。

数据集由来自多个网站的约 500 万互联网视频组成。其中约一半是竖屏短视频,其余为通俗横屏视频。数据经由质量洗濯,然后使用 Gemini-2.5-flash VLM 对高质量部分举行字幕标注,剩余部分使用外地 VLM(如 QwenVL)举行处置惩罚。测试集包括由 Gemini-2.5-pro 编写的 1000 个故事板提醒和 4096 个未在训练数据集中泛起过的视频。

定性与定量评估

故事板上的定性效果。通过从故事板中流式传输提醒来展示效果。故事板是一组提醒,其中每个提醒涵盖一定命目的帧。故事板可以由外部语言模子编写。

在定性评估方面,如图所示,研究者证实晰模子能够处置惩罚多种多样的提醒和故事板,同时在角色、场景、物体和情节线方面坚持一致性。

在定量评估方面,研究者们从 VBench、VBench2等平台引入了多个视频评估指标,并举行了一些修改。

视频内容一致性的定量评测效果。其中,Qwen 中的 「1p」 体现仅使用 1 张图像 作为图像模子输入。由于部分要领保存严重伪影,因此未将其纳入人工 ELO 评分统计。

如表所示,本文提出的要领在多个一致性指标上体现出合理的分数。Wan+Qwen 组合在实例分数上似乎具有领先分数,这可能是由于图像模子不会显著改变或移动工具,从而阻止了 VLM 问答检测到的伪影。本文的要领在工具一致性方面体现出有竞争力的分数。别的,用户研究和 ELO 分数验证了本文提出的架构,证实它在压缩和质量之间实现了有用的权衡。

消融实验

压缩结构的定量效果。展示了使用差别消融压缩架构的数值测试。

评测效果如表所示。效果批注,本文要领在 PSNR、SSIM 等指标上取得了相对更优的性能。别的,即便在 4×4×2 的较高压缩率条件下,该要领仍然能够有用坚持原始图像结构。

压缩重修的视觉较量。展示了使用差别可能的神经网络结构和种种压缩设置举行预训练后的重修效果。

影象压缩模子预训练的影响。展示了使用或未使用影象压缩模子预训练的效果。输入是相同的 20 秒历史视频,在输出帧中可视化中心帧。

除此以外,研究团队还在论文中讨论了差别神经网络架构设计之间的权衡取舍。

更多信息,请参阅原论文。

??时势1:舔阴道视频网站

??01月09日,“中国考古学界的一面旗帜”走了,

  3、开展冬训活动,是牢靠党的群众蹊径教育实践活动效果的需要。今年以来,中央从党要管党从严治党的高度,出台了系列制度、监视制度,周全从严治党已进入新常态。群众蹊径学教活动收尾不收场,党的作风建设永远在路上。要通过开展冬训活动,以集中培训和自学为主抓手,进一步深化干部对党的性子、宗旨以及党的纲要和使命的熟悉,自觉用党的先进理论武装自己。

,aa国产视频三级。

??01月09日,农业农村部:我国粮食产量增、结构优、储备足,粮食安全有保障,

  第四,创设一个情形:文明有序

,国产精品一区二区网址,色很久综合,A片美女网站在线免费观看污污污。

??时势2:免费试看黄色视频

??01月09日,CNN记者上了菲律宾的海警船……,

  此后,他钻入水中,迅速追去,再次捉到一条二百余斤的金色巨鱼,散发着清香,径直抛向了岸上。

,一级特黄AAA大片免费m,手机看片1024 欧美 国产,乱伦.www。

??01月09日,辽宁大连:寒潮中3名渔民遇险 救助船大风浪中成功施救,

状师解答www.77cxw.com 判缓的条件是成立犯法,使缓时代体现好,也执偾刷新体现好,只会在期满不再执行原罚,但不可能改判无罪,改判无罪说明不保存犯法;指对被判处一定罚的罪犯,在一定限期内附条地不执行所判罚的制度,是对罚的暂缓执行。 执法依据 《民...

,久久综合国产精品免费,女人被男人爽到吟的视频,蜜桃传媒日韩黄色小视频。

??时势3:美女被草网站下载

??01月09日,同心故事丨边陲朝鲜族民俗村的蝶变,

  三、进一步抓好事情落实

,七七久久桃花综合,http://jkjksp.cn,高清无码乱伦视频。

??01月09日,中国免签“朋友圈”扩容显现积极效应,

  岩穴极深,与地下暗河相连,凉风嗖嗖,孩子们面面相觑,有些犯愁,怎么回石村?都不敢出去。

,小鸟游星野触摸2.0下载,97涊涊,欧美丰满熟妇色XXXXX。

??时势4:啊 学长 好硬 拔出来 罗莉岛

??01月09日,【小新的Vlog】在宁夏沙湖乘破冰船体验“破冰”之旅,

  今天,我们在这里召开结业班全体学生头脑发动大会,目的就是给我们结业班的同砚鼓劲,使同砚们在20xx年的小学结业考中取得优异的效果。更希望同砚们在六年级这一年中,在先生的指导资助下,找准偏向,增强信心,受苦钻研,自动学习,以优异的效果为结业班学习生涯画上一个圆满的句号,给学校、先生、家长一张知足的答卷。今年这届结业班,我们满怀信心争取好效果。从先生来看,我们有一支素质优异的结业班西席步队,他们履历富厚,教学有方;他们勇于贡献,能和同砚们同甘共苦;他们同心同德、力争上游。从同砚来看,同砚们的整体素质比上一届好;学生育成教育基本形成,团结相助,遵纪遵法,严酷要求自己;学习受苦起劲,高昂向上,自动学习,基础打得较量扎实。特殊是同砚们自从进入结业班,似乎一下子长大了。和已往相比,更有礼貌了,更遵规守纪了,更爱学习了。看到这一切,作为校长,我打心眼里兴奋。从学校来说,尽一切起劲为结业班学生提供优异的学习情形和生涯条件。

,国产真人版A片视频,天天色色,91黄视频在线。

??01月09日,港铁本地服务总客量恢复至疫情前逾九成,

  雨族人要疯了,这尚有没有啊天理?天降横祸。

,国产小伙专约熟女视频,aaa片网址,韩国A级毛片免费久久网站。

【中国免签“朋友圈”持续扩容 政策积极效应不断显现 】

【风雨不减旅客访澳热情 业界冀开发“一程多游”】

责编:罗拉克莱德伯格

审核:林宏明

责编:苏婷

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图