78成年模拟器,以简单为核心,却拥有强大的功能与丰富的内容

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

2026-01-10 13:41:16
泉源:

猫眼影戏

作者:

年开运

手机审查

  猫眼影戏记者 董雪 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。坏僮髌鹄春芷独В⑶倚枰党榭ɡ窗芑娴囊恢滦。

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。⒃诟兄柿可霞岢钟乓斓耐夤郾U娑

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∏伞梗佣仁鼓W友耙恢帜芄辉谡鍪奔湫蛄泄婺D谝涣4嫦附谛畔⒌奶逑址椒。

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:午夜三级理伦片

??01月10日,人民网评:用铁规矩、硬杠杠为基层减负,

  没有符文闪灼,没有宝术冲霄,只有肉身苦行,千锤百炼,历经狂风雨的洗礼,小不点的肉身散发晶莹光泽,他一声不吭,单独一小我私家在这天威下前行。

,精品国产免费无码久久久。

??01月10日,如何科学“贴秋膘”?专家:忌盲目“进补”,

  “滚,貔貅比狻猊差吗,一样是最强一列的好欠好?”

,爱爱爱爱爱爱三级视频,黄涩视频网站在线观看,欧美黄片视频大全。

??时势2:亚洲图色五月天

??01月10日,《可看香港》全国两会特别报道|港区全国人大代表文颕怡:建议加快推动粤港澳大湾区医院接轨国际标准,

  1、要集中精神,认真学习。现在,各人的事情使命很重。事情上的、生产上的许多事情需要我们安排处置惩罚。希望各人妥善安排事情,在两天的时间里集中精神,认真学习,包管时间,包管质量,静下心来专心听课,有始有终地完成好培训使命。各人要看到,现代社会是一个充满竞争的社会,是一个学习型社会,要把增强学习、更新知识、提高素质作为一项恒久性使命,顺应现代社会和新形势的要求,一直充分提高自己,增强驾驭农村事情的能力。

,超碰在线一区,亚洲AV无码一区二区三区桃色,超碰国产黑丝免费。

??01月10日,大连大窑湾保税物流中心通过验收 打造东北汽车出口综合服务基地,

  2、必需要有组织并在先生或熟习水性的人的向导下去游泳。以便相互照顾。若是整体组织外出游泳,下水前后都要盘货人数、并指定救生员做清静 ;。

,纲手 狂揉 难受3D,精品国产专区91在线尤物,雏田女被 c 黄扒衣服。

??时势3:17禁

??01月10日,港区内蒙古政协委员区健丽:为中国种猪装“芯片”,

  这么大一块石头在他的千斤之力下,速率何其快,实力重大无匹,一下子砸在了青鳞鹰的头上。然而,却只是火星四溅,铿锵作响,那如金属般的青色鳞片冷光闪灼,丝绝不损,而石块四裂,坠落在地。

,一级a片啪啪免费视频,久久精品毛片女人国产,国产黄色在线观看。

??01月10日,谨慎采购美国芯片!中国多个行业协会发布声明,

  青鳞鹰颔首,本就是为了逃难而来。

,鸥美性爱,91久久艹,精品国产久九九。

??时势4:美女露双奶头无档漫画

??01月10日,(两会观察)从两会八个高频词看中国,

  独角兽仰面长嘶,全身银光闪闪。

,国产三级亚洲三级精品理论,国产一级A片在线直播,多缓缓耳光视频sVK。

??01月10日,【冰雪春天】当纷飞大雪遇上南方的水墨冬日,

  三是要在真抓实干上实现新突破,让干部越发“有作为”。 为政之要,贵在身体力行。真抓实干是党性强、作风正的内在要求,也是建设高铁新区的主要包管。我们去年抢抓机缘,办了不少民生实事,为老黎民修路打井、流转土地,赢得了黎民交口赞美。这就说明,只要你真正扑下身子为老黎民办实事、办妥事,老黎民就念你的好。宽大镇村干部要以真抓实干体现人品,赢得口碑。 一要推进土地征收和衡宇搬家事情。 深入研判征拆政策,凭证项目建设妄想和时序,坚持“果真、公正、公正”原则,启动实验土地征收及墟落、企业的搬家事情 ,为项目建设提供用地空间。 二要普遍开展招商。创立宽松经济生长情形,吸引真正有实力、做实业的开发企业来高铁新区生长。 三要抓好项目工程落地建设。 起劲推进招商引资重点项目以及蹊径路网、公建配套等项目的落地建设事情。严把工程质量关,确保每一项工程能够经得起磨练, 倒排工期,挂图作战,确保种种项目快速有序推进。

,/ver9/base/fxv9/dl.html?cc=1&channel=com.kssq.honghelou.book_lb,天天做天天爽天天爱,情侣高潮对白。

【江苏盱眙小龙虾背后的三百亿级市场】

【应对低温寒潮 长沙“菜篮子”供应充足】

责编:黄忠

审核:黄志雄

责编:张锐

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