35W5.5CC,独特的视觉设计与流畅的操作体验,让人爱不释手

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 02:20:33
泉源:

猫眼影戏

作者:

王兴

手机审查

  猫眼影戏记者 拉门 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:亚洲免费视频免费

??01月07日,香港不止“居大不易”,还有郊野的山水之乐,

  “子陵 ,暂且放下这一切 ,十年后你将接掌我们石府。”一位老祖启齿。

,日韩精品一区。

??01月07日,新闻周刊丨高效办成一件事 各地推出便民利企新举措→,

  众人很沮丧 ,不少部落联手 ,兴师动众而来 ,却是这样一个效果 ,让人心中很是不甘。

,紫薇高潮视频,小樱和鸣人打扑克,WWW……com黄色视频。

??时势2:亚洲黄色5a级黄色视频。

??01月07日,200余位业界专家汇聚齐鲁 推动构建中国新闻传播自主知识体系,

  最后 ,我想说 ,同砚们 ,我们应该树立为学院生长建设斗争不息的坚定信心和高尚理想 ,回首往昔 ,几多青年志士以天下为己任 ,而现现在 ,我们既已植根于湖工这片焕发着蓬勃生气的土壤 ,我们就应以湖工为家 , ;掣卸髦。

,AAAA三级片,欧洲A片视频在线观看,美女被c到爽的免费网站。

??01月07日,3D打印药膜能“剿灭”癌细胞,

  这些人也未几言 ,都很是的坚决 ,刹那间每一小我私家都霞光四射 ,此后无比炽盛 ,最后竟发出了海啸般的声音。

,A片无码AV天堂,免费一级a毛片在线播放男生,在线看免费毛片。

??时势3:矿桥矿6集桥矿影院

??01月07日,无人机、无人车统统都有!我国发布8款最新地面装备,

  任。比照预验收意见和扣分项目 ,认真梳理各镇、各单位保存的问题 ,连忙制订整改责任表 ,落实整改责任人 ,明确整改时限。县档案部分要凭证整改项目 ,增强催促检查 ,实时向县委、县政府有关认真人整刷新度。

,国产粉嫩00福利福利福利,视频www日韩欧美,国产一级娞片A片AAA男男。

??01月07日,北京疾控:流感疫情呈现降势 近一周乙流病毒为主要流行株,

  总之 ,我县银行支行的挂牌开业 ,标记着县银行以县为单位实验统一法人的刷新事情顺遂完成;也标记着县银行的刷新和生长步入了新的历史起点 ,必将为加速地方经济生长和周全建设小康社会做出新的更大的孝顺。

,东方铁心裸体,安徽BBBBB视频BBB,86j8精品视频。

??时势4:韩日三级视频网

??01月07日,(两会观察)两会“通道”上讲述中国发展愿景,

  并且 ,在这个时间它做出了一个惊人的行动 ,石块凿不穿 ,它吭哧吭哧直接开咬 ,用一嘴晶莹的小牙啃蛋壳。

,一级黄片免费在线观看不卡,97人人爽,www.黄色网站视频。

??01月07日,中美禁毒合作工作组启动 外交部:恢复中美禁毒合作进展来之不易,

  一个企业若是没有自己的品牌那将意味着镌汰 ,同样一所医院若是没有自己的专科那就制约着生长。要生长就要立异 ,立异是医院生长的第一活力源 ,是医院生长之魂、制胜法宝。只有坚持立异 ,才华乘风破浪 ,一直前进;只有坚持立异 ,才华化千难万险 ,为千方百计;才华更好地为病人效劳 ,更好地体现公立医院的公益性 ,在医疗卫生体制刷新大潮中 ,勇往直前 ,当好排头兵和先锋队。**县人民医院始终坚持科研兴院的办院目的 ,做到院有用果、科有课题、人有项目 ,现在他们已经有**个科研效果通过了省级判断。在*年**市卫生局宣布的省、市继续医学教育项目中 ,**市各县(市、区)*个项目中我们县医院一个项目也没有 ,而我们的邻县**县人民医院有*个课题入选**市教育项目 ,**县人民医院有*个课题入选**省教育项目 ,以是说我们要在做好一样平常医疗事情的同时 ,加大医疗新手艺的引进和推广 ,勉励医务职员开展新营业、多出新效果;增强重点专科的刷新和提升 ,着力培育在外地区具有显着影响和市场竞争力的重点强势专科、重点品牌 ,从而发动和提升医院整体手艺水平和医疗质量。

,13女洗澡免费看,国产传媒av观看,亚洲大学生性爱视频。

【十四届全国人大二次会议表决通过了关于最高人民检察院工作报告的决议】

【(乡村行·看振兴)山西大宁:文旅赋能 小山村焕发夏日新活力】

责编:梅丽尔·斯特里普

审核:王佳静

责编:姜文华

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