wwwaaa,让你的每一次使用,都成为一次愉快的探索之旅

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

2026-01-06 11:13:27
泉源:

猫眼影戏

作者:

武昌梅

手机审查

  猫眼影戏记者 黄牙 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非 ?嗄樟。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:wwwwwwwwwcao

??01月06日,两岸及香港师生成都同台竞技 搭建青春驿站,

  “霹雳”一声,紫火滔天,火麟崩碎,化成了一股股纯净的精气与光线,消逝在了这天地间。

,石榴视频。

??01月06日,形成西部地区高质量发展新格局,

  我是李家长。首先请允许我代表列位家长,向辛勤事情在教育前线的学校向导和先生们致以高尚的敬意和衷心的谢谢!

,高清无码网站一区,免费无遮挡 免费,码18 H站在线看https://yhl.nscrh.cn/ssr/assets/index-uDAg4GRk.js:5。

??时势2:老熟妇性色老熟妇性3

??01月06日,北约秘书长涉乌克兰最新表态,谈到这几个问题,

  这件宝具的威力奇大,拥有天威,难以抗衡。

,日韩性爱综合网,熟女阿姨社区,欧美性爱顶爆。

??01月06日,安徽黄山:雪落土楼,

  当夜,山中猛兽咆哮,竟有数头重大的黑影像是发疯了一样平常,冲进这个村子,要血洗这里。

,短裙美女裸体图片视频,人人操人人添人人插人人摸,小黄片免费在线播放中文字幕。

??时势3:亚洲色偷偷综合亚洲avyp

??01月06日,绝美“天空之城”:这就是秘鲁!,

  地球是生命的摇篮,万物的母亲,人类的家园。地球就像妈妈一样给我们带来幸福,带来快乐 ?墒,你们知道吗?我们生涯的地球上,人类为了自己的利益和利便,做出了许多污染情形、危险地球妈妈的事情。人们随手仍掉的一个塑料袋,埋在地下三百年都不会烂。

,正在播放国产水嫩美女叫,三级污A片,激情文学激情文学激情照片。

??01月06日,(新春走基层)德庆央宗:夫妻同心“编织”最美之家,

导读:京东白条协商还款方法主要包括延期还款、分期还款和部分还款。延期还款是指将原本应还款推迟一段时间,以便用户更多时间筹集资金。分期还款则是将原本一次性清的金额分成若干举行还款,减轻用户的经济压力。京东白条京东推出的一种消耗信贷产品,为用户提供了便快捷的购物方法。然而,时间我们可能会...

,欧美丝袜亚洲日韩美女,东京热99,欧美高清一级片九九。

??时势4:白嫩妞在线播放

??01月06日,网红导游小黑浙江嘉兴授课宣讲:需要真实与真诚,

  现在小不点做到了,举起十万斤巨石,身体在早霞中流淌宝辉,震惊这片大荒,许多凶禽猛兽全都逃了,惶遽不可终日。

,高清无码二区,日韩一级a片欧美一级欧美一级免费,国产一级特大黄片久久99。

??01月06日,中新健康丨南京高校团队研发出精准识别血栓的纳米递药机器,

  第一,深刻熟悉召开第十一次党代会对学校生长的主要意义 ?玫炒崾墙ㄉ韪咚健⑻厣痛笱,作育立异人才,实现学 ?缭绞缴さ男枰。为国家经济建设和社会生长作育及格的建设者和可靠接棒人是高等院校坚持社会主义办学偏向的实质要求。我校第十次党代会召开以来,我们通过召开七次全委会,围绕着“作育什么人,怎样作育人”和“办什么样的大学,怎样办妥大学”等主要问题,以学科建设为龙头,实验学校人才强校战略,推进学科建设,增进申请优势学科平台,增强师资步队建设,推进高等教育质量工程等等,为推动学校刷新生长稳固提供了顽强的政治、头脑和组织包管。目今,我国正处在一个由高等教育大国向高等教育强国迈进的新的历史起点,学校的生长也进入到了一个要害的生长时期。国家对高等教育、作育立异人才提出了新的要求,建设立异型国家已经成为国家生长的战略焦点。作育具有立异精神和立异能力的优异拔尖人才,提升学校的办学水平和质量已经成为目今我们办学面临的一个主要问题。最近,在施建军校长的提倡下召开的学科建设钻研会、国际化工程启动会和博士生作育事情会等就捉住了我们学校学科建设、人才作育的要害。通过调研和讨论,全校教职员工、全校上下对学校的生长定位、生长战略和生长路径,在凝聚共识的基础上,进一步细化为实验。要把这些已经确定的共识、思绪和详细实验步伐酿成现实的效果,就需要全校上下、各级党组织和全体的支持、加入、团结全校师生员工来推进学校的生长。通过准备召开第十一次党代会,我们要认真总结已往近五年岁情中的履历和做法。特殊是党建事情围绕学校生长所做的事情,围绕学科建设、师资步队建设、人才作育,调动各方面起劲性和创立性,全力推进学校事业生长的履向来总结党的事情,提高党建事情的水平。

,性爱视频污夫妻激情网站,免费黄片视频欧美,欧美黄片在线免费观看。

【第二十届“北京新春音乐会”重返人民大会堂用民歌大拜年】

【四川康定山洪泥石流318国道受灾段应急通道已抢通】

责编:爱丽丝

审核:张哲

责编:徐伟华

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