污视频在线观看网站二区,让你在休闲的每一刻都能享受极致的娱乐体验,开启属于你的快乐时光

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

2026-01-07 05:23:22
泉源:

猫眼影戏

作者:

俾斯麦

手机审查

  猫眼影戏记者 谢海标 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:拔萝卜插进蜜桃里

??01月07日,习近平两会时刻丨为了“持久的蓝天”,

  (四)村干部要弘扬法治精神,用好公正秤。 干部当得怎么样,讲话权在群众。要当好村干部,必需公正正直,尤其在处置惩罚矛盾纠纷、协调利益关系时,一定要坚持依法按规,从阵势出发,处以公心,一碗水端平,以心正求公正,用公正服公共,切适用好公正秤,不可凭小我私家好恶效劳,也不可偏亲厚友。只有效劳公正,才华赢得群众的信任和拥护。要认真抓好村务果真、村规民约和村务治理等各项制度的落实,包管村级组织治理事情的规范化运作;要坚持民主集中制和村务民主听证制,凡村内重大事项决议要征求村民代表的意见,一直提高村务决议水平。 “ 打铁自身硬 ” ,正人先正己,宽大村干部要准确行使手中的权力,做到公私明确,决不允许化公为私,侵占整体和群众的利益。要时刻 “ 自重、自省、自警、自律 ” ,认真践行 “ 三严三实 ” 要求,争做为民务实清廉的模范,以优异的小我私家形象为和群众树立模范,干出经得起历史、经得起组织、经得起群众磨练的新业绩。

,户外夹跳蛋直播喷水app。

??01月07日,北京发布首批高等教育人工智能典型应用场景培育名单,

  在“五四”青年节即将到来之际,今天省局机关团委组织召开机关团员青年座谈会,纪念“五四”运动90周年,泛论体会和感受。我很兴奋加入这个聚会,在此首先向全省国税系统宽大青年致以节日的问候。目今省局机关正在开展“转变作风抓落实”主题实践活动,各市局也在开展深入学习实践科学生长观活动,以是今天的座谈会,也是我与团员青年们一起谈谈心,听听各人心声,相同交流头脑。适才列位青年月表的讲话讲得很好,各人联系事情、生涯和学习现实谈体会,谈感受,对怎样施展青年干部的智慧才智,怎样当好岗位能手效劳广东国税科学生长谈了许多看法,并以实事求是的态度对做好省局机关或广东国税系统事情,搞好共青团和青年岁情提了意见和建议。我听后感应欣慰,也很受启发。适才,建生同志还对青年同志们的事情给予了肯定,并提出了一些希望和要求,我完全赞成。一直以来,省局党组对青年的头脑、事情和生涯很是体贴,今天青年同志们提的一些建议,反应的一些问题,人事处和机关党委办要实时整理、反响给省局机关有关部分,与有关部分起劲研究,条件成熟能解决的尽快解决,条件还不可熟一时解决不了的要创立条件加以解决。在全省国税系统,青年干部占较大比重。宽大青年干部学习认真,事情起劲,近年来广东国税在上级的准确向导下取得了很大效果,这是与宽大青年的起劲斗争分不开的,尤其是在总局征管软件上线、各项税收刷新等重大事情中,宽大青年干部在各自岗位上施展着主要作用。在此,我代表省局党组向全省国税系统宽大青年体现衷心的谢谢和高尚的敬意!

,欧美久久久久精品一区,欧美一级在线网站免费,国语对白高潮在线视频。

??时势2:色色欧美色色

??01月07日,(乡村行·看振兴)山西石楼托管农田27万亩 零散“巴掌田”变整片“增收田”,

  终于劈中,然而令人受惊的是,紫金蛇并没有被斩断,只是鳞甲脱落了一大片,露出丝丝血迹罢了。

,小黄片视频在线观看,美女扒开下边喷水黄网站,91精品国产色综合久久不。

??01月07日,国际锐评丨解决芬太尼危机,美方求人不如求己,

  “太狠毒了,连老人和孩子都不放过!”

,黄片不卡免费,黄游18+**在线下载,2019亚洲天堂在线。

??时势3:国产一区二区三区毛片高清

??01月07日,“刘德华马上要去超市上班了”,《恭喜发财》是“过年第一神曲”吗?,

  当数百斤的石块滚落下来时,他不再逃避,任其撞击在身上,抓着岩壁,向上攀藤,短短三个月的时间,他练就了一身铜筋铁骨。

,一级二级三级毛片网站,欧美色图 亚洲视频 国产,suolREsNu。

??01月07日,浙江下汤遗址发现40年 揭开万年前原始村落神秘面纱,

  同砚们,20xx年,你们也有别人瞻仰你们的地方校庆,同砚们体现出来的`精、气、神让各人啧啧赞美,上学期的城中区期考统测,效果斐然。初三年级:七科中考科目有六科A+率、A率、平均分、优异率、高分率均居城区第一!40项指标中有29项居xx区第一。

,依人色综合,色色色色色色色色色色女孩网址,姬小满裸体开腿本子。

??时势4:欧美aaaaa国产

??01月07日,浙江金华婺城发现中华穿山甲,

  尊重的先生们,亲爱的同砚们,你们好:

,国内精品 第一页,h动漫自卫视,亚洲男人AV天堂男人社区。

??01月07日,“低糖大米”、超高产水稻……这些农作物优良品种你了解吗?,

  新的一年,新的平台,新的起点,新的作为。在新一年里,我们准备再组织一再大型活动,借此进一步提升全区婚庆效劳水平,扩大婚庆行业协会和列位会员单位的影响力,希望宽大会员继续体贴支持协会的事情。协会也将尽最大起劲团结宽大会员,撒播先进文化,引领行业生长。在此,我衷心的希望,协会能成为婚庆同仁们可以依赖的港湾,成为婚庆人才前进生长的摇篮,成为列位朋侪的顽强后援。

,国产⭕⭕⭕拗女,美国人叼黑片,3WWW日本视频。

【陕西发布《2023年陕西国土绿化公报》 2023年完成营造林522.79万亩】

【新疆巴音郭楞州尉犁县发生3.0级地震 震源深度10千米】

责编:理查德·佩普

审核:邱咏瀚

责编:王成

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