在线手机av网站,拒绝平凡,让每一次打开都充满新鲜与期待

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

2026-01-12 16:55:17
泉源:

猫眼影戏

作者:

毕尔斯玛

手机审查

  猫眼影戏记者 苏泽军 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1:99热这里全都是精品国产

??01月12日,伦敦等地治安形势严峻 中国驻英使馆提示加强防护,

  七年级新生已跨入中学大门,从今天起,你们就最先了自己学习生涯的另一个征程,希望同砚们从进入中学校门的第一天起,就有一个新的妄想,严酷要求自己,遵守校纪班规,起劲学习,勤劳上进,争做一名及格的中学生!九年级同砚已进入人生主要的选择阶段,从今天最先,你的手中就握着你自己的运气,从今天最先,你的学习生涯一切要求就要更强、更高,希望你们不要无所作为怨恨终身,谁要是游戏了人生,必将会一事无成;谁不可主宰自己,就永远是一个仆从,唯有斗争,才华征服运气之神。正如我们南教学楼的名字:(行健楼)“天行健,君子以自强不息;阵势坤,君子以厚德载物”,斗争才是乐成的法宝,生命不止斗争不息。正如我们北教学楼的名字(励志楼),俗话说:“有志者事竟成”,“志不立,天下无可成之事”。志当存高远,远雄心向可以给人斗争的动力。励志,

,熟女阿姨社区。

??01月12日,四川省举行向邓小平同志铜像敬献花篮仪式,

导读:可能会上信用,一样平常情形下,若是您的信用卡逾期法院起诉后,乐成还清欠款并推行还款义务,您的信用状态有可能获得修复。然而,详细的影响和恢复时间因小我私家信用纪录、乞贷机构政策以及律划定而有所同。信用卡逾期是许多人经常面临的问题,当逾期情形严重到被信用卡公司起诉时,面临还款的压力,还可能对...

,超碰97人人天天夜夜熟女,成人涩涩视屏app免费下载,日本 护士6999。

??时势2:男人天堂网站在线观看

??01月12日,内蒙古居延海湿地:候鸟翔集绘生态画卷,

  虽然事情中我们遭受着重大的压力,可是我们相信:有向导的全力支持、有各部分的鼎峙相助,有全体 结业班西席的同心协力、有着一群智慧、可爱的学生天天的前进, 这届结业生 一定能够完成学校给予我们的使命。

,清风阁A片在线网站,国产华人在线视频,日韩。

??01月12日,海外华文新媒体高级人才研修班在广西南宁举办,

  无论下场是好是坏

,欧美交性一级视频免费,桃色免费黄色视频欧美,wwwriav99com。

??时势3:一区二区黄色片国产

??01月12日,让“科普场馆热”持续升温,

  随着生齿逐渐增添,天下经济、科技迅猛生长,人类活动对天气的影响和规模也在一直地加速和扩大,据研究批注,近50年的全球天气变暖很洪流平上与人类活动的影响有关,这主要是由温室气体的增添造成的。21世纪,人类对天气的影响将更为突出,天气转变也将给人类带来严重影响。预计21世纪地球天气将继续变暖,全球平均气温将升高1.4~5.8℃。由于温度上升,极端天气与天气事务爆发的可能性将一直扩大,最高气温会变得更高,炎热的日数增多,干旱、洪涝灾难的威胁加重。随着社会财产的一直增添,由气象灾难引起的损失也将急剧增大。它对情形、经济、农业、林业等方面的影响最终都会直接或间接影响到人类康健和空气污染。除了国家接纳节能减排、开发使用无污染资源等政策性步伐外。

,性生活录像,欧美丰满多毛熟妇XXXXX性,男人女人一级a性视频。

??01月12日,上海昆虫爱好者“总动员”:为昆虫“写家谱”、做城市记录者,

  若是是这样的话,这株通天的雷击木可真要吓死人了。

,一级黄片在线播放 www.lic-aus.com,先锋资源啪啪,国产一级片久久ri。

??时势4:激情一级毛片免费视频

??01月12日,重庆:四年内监测记录冬候鸟增加20种,

  石子陵发疯,乱发怒冲向天,犹如神焰在燃烧,躯体爆发无量光,他宛若黄金铸成,顶天立地,用力挥舞手中战矛。

,真实处破女全过程,福利视频影院,打屁股无遮挡秘 网站。

??01月12日,多国政要读懂中国:中国式现代化惠及世界,经验值得借鉴 |世界观,

  二猛很委屈,这不是事实吗,又没嘱咐不让说,族长饮了狻猊宝血后,感受体内暗疾有所缓和,故此潜心修行去了。

,免费国产a,黄片美女18岁视频,国内自拍真实乱在线观看视频。

【三峡坝区油菜花烂漫绽放 春意盎然景色如画】

【深圳甘坑古镇将迎灯笼节】

责编:李昇基

审核:苏树林

责编:周金伙

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