首页
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。
《久久精品黄色片》,《Q8X2R7L1T4J5M9B6W3》黄的免费视频
“亚洲一区二区三区图片”
一级黄色网站www
……
01月11日
“欧美浓毛老太性视频”如何评价黑神话UP主试玩体验
↓↓↓
01月11日,中消协2023年为消费者挽回经济损失13.7亿元,亚洲国产欧美不卡在线,婬乱A片欧美大片手机不卡,忍堕女忍2.0繁星汉化版游戏介绍,免费的黄色网站人人爱
01月11日,“全球南方”谱写团结自强新篇章(环球热点),色色网站视频,色色色色色网站,先锋影音在线a资源免费,爆乳中文字幕第一页
01月11日,老战士致敬视频获数十万点赞 他直言大家是为英雄点赞,扒开❌狂揉❌喷水作文,黄色无遮挡一区,爱搞com,国产高清视频在线播放
01月11日|国际顶尖霹雳舞选手在浙江宁波角逐中国总决赛冠军|色香五月|一级黄色完整版录像片一视频一在线观一在线欢看观精品|人人操人人做人人干人人舔|成人韩国小说汉化版官网入口
01月11日|2024年台湾地区两项选举结果对两岸关系走向将产生怎样影响?国台办回应中国驻比利时使馆提醒中国公民加强安全防范|亚洲七七久久精品中文国产|91精品国产 91久久久久福利|成 人 黄 色 电影免费观看|人人妻人人澡欧美一区
01月11日|浙江风俗观察:关注人生大事 更关怀身后事|少妇免费一区二区三区|爆 喷水 洗澡 tiktok|欧美亚洲生活片|兔子先生之爸气十足……
01月11日,市场监管总局(国家标准委)批准发布一批重要国家标准,在线观看国产小视频一区,www.色色色com,www.清风阁,男男Gay做受 高潮原神
01月11日,云南富源县黄泥河镇中心学校党总支书记、校长李飞被查,欧美日韓国产草草影院,在线播放你懂亚洲你懂的,在线地址 在线播放,a国产在线视频
01月11日|荒山绿化见成效 太行山上采茶忙 |人獸雜交亂伦ⅩⅩXxX视频|免费91一级|免费一级毛片黄久久久免费看|那个网站可以看看一级黄色视频
01月11日,中经评论:托起幸福“夕阳红”,需要更多养老护理人才,自拍偷拍午夜,在线18 禁av,91福利视频网,开心五月偷拍
01月11日,香港M+博物馆将推出展览“山鸣水应” 展出近130件作品,日韩欧美色图小说综合站,久久免费看一级毛片一级A片,五星视频网站58星币网页版,小媳妇的潮穴
01月11日,“小鲜肉”如何“百炼成钢”?听听海军新兵怎么说,手机午夜视频,女被男叉视频动态图,给我播放黄色免费无码视频,亚洲全黄无码一级网站照片
01月11日|在华逐绿,西门子能源以合作促低碳转型|又色又爽又黄的视频在线网站|久久99国产精品72精|成人 高潮片免费视频舌吻|欧美性爱粗暴厕所一区二区
01月11日|香港交易所将推出虚拟资产指数系列|女人一级特黄大片视频|wwwxx欧美|国产ktv交换配乱婬视频|性欧美长视频免费
01月11日|澳大利亚珀斯北部发生船只倾覆事故 一人遇难|国产老女人网站|国产精品黄色影片。大陆国产。|影音先锋最新资源综合|草逼性爱视频日本女优
我可以参加你们婚礼吗,利物浦4比1切尔西|春节档电影开启预售 三部影片预售破千万|91精品三级在线观看|免费黄网站一区|国产在线精品二区三区四区|成人抖抈app免费版
监制:邓金木
策划:赖晗
主创:唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑:王家菁、段圣祺

闽公网安备 35010302000113号