(2秒快速掌握)中文字幕第一页亚洲苹果版v17.53.62.44.6.78-2265安卓网

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 19:09:42
泉源:

猫眼影戏

作者:

卫哲

手机审查

  猫眼影戏记者 周锋 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:最新国产在线不卡黄色视频

??01月09日,再获“国字号”招牌!新疆兵团这里“夜经济”为何能出圈?,

  我真诚地希望:能够把我们的学生作育成为懂、会处世、爱学习的阳光学子  。希望我们能够塑造出一支有、善学习、爱学生的优异西席步队,希望我们能够营造出一个重人本、厚文化、有活力的欢喜校园  。建设“书香校园、活力校园、欢喜校园、协调校园”是我们的理想,我很是希望它能够成为我们全体师生配合的目的,这需要我们来配合起劲  。

,纲手裸  。

??01月09日,关键一年看开局——中国经济平稳起步态势好,

  (4)骑车:未成年人榨取驾驶无邪车辆  。未满12周岁不允许上路骑车

,欧美黄色a级视频,老情人宾馆露脸对白,ofls破解版入口  。

??时势2:爽爽爽爽爽男女成年视频

??01月09日,这个国际会议全球瞩目!读懂中国,要读懂什么?,

  第三个M是多样化  。一中的三年相信各人知道,“多样化”既有“不吝千金买宝刀,貂裘换酒也堪豪”的壮志,也有“采菊东篱下,悠然见南山”的怡情,还会走出兼具壮志与怡情、能跳“刀尖上舞蹈”的舰载机航行员  。今年的高考作文题也可以体现  。一中语文教研组组长王兆芳先生,人称巨帅,自得地告诉我,我们的学生一定会写出恢弘、道出气焰、一展情怀  。我想他的意思是,不但会有毛泽东在长沙一中念书时在作文中抒写“叹数千年来民智之不开、国几蹈于陷落之惨也”的忧国忧民之情怀;也会有周恩来在南开中学学习时在文章中展露“挽神州之陆沉,作中流之砥柱,欲执天下牛耳,保东亚清静,舍水师其谁归 ?舍水师其谁归哉”的高瞻远瞩之气焰  。

,思思精品视频在线观看,火影忍者纲手的耐力试炼,火影18+黄化板  。

??01月09日,湖北发布低温雨雪冰冻黄色预警,

  四、讲贡献、挑重担,充分验展年轻人先锋作用

,夜夜爽一区二区三区精品,109ckcسكس成人,欧洲黄色a片  。

??时势3:丰满九色91

??01月09日,今年前9个月泰国出口额持续增长,

  谢谢之余,作为家长我们能做的就是多挤出一些时间给孩子,相信凯杰小学幼儿园的教育理念,起劲和学校、先生相同,支持、配合学校和先生配合解决好孩子生长历程中遇到的问题,让让我们的孩子在幼儿园里能康健、快乐地生长  。也希望列位家长和我一起体贴学校的生长,增进对先生的明确,在以后的日子里施展你的智慧才智为学校提出更多更好的合理化建议,也祝愿凯杰小学越办越好,成为衡阳人心中理想的小学  。

,点击进入a在线影院,欧美国产日韩a,免费观看毛片视频  。

??01月09日,宋涛会见台湾三三会参访团,

  “没错,我们尽全力攻击,激怒它,让它闹出的新闻更大些,族长他们会提前觉察!”石大壮启齿,抓起一块巨石猛地砸向凶禽  。

,欧美最猛黑人XXXX黑人猛交91,日韩性交影片,同桌哭着说不能再抠了  。

??时势4:激情乱小说欧美视频

??01月09日,香港中学生升旗队北京参访:努力把五星红旗扬出漂亮的弧度,

  8.25西席报到,学生报名  。9.1发课本,9.4正式上课  。

,黄色片免费在线观看啊啊啊好舒服,十八禁网址,雷电将军撕内衣 挠奶头视频  。

??01月09日,交通运输部:全力推进交通物流降本提质增效,

  狈村的人焦虑,张弓巨弓,就要压上来解救,由于在这样下去狈风不残也得废了,别指望一个天才崛起了  。

,jmcomic.2.0火影忍者,静香被大雄 羞羞漫画,9.1免费版好莱坞  。

【北交所公司(企业)债券市场正式开市】

【学习进行时丨习近平总书记这样寄语当代青年】

责编:朱佳琦

审核:王艳明

责编:王志勇

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