研究人员开发了 MobileWan，一个拥有 50 亿参数的视频扩散模型，可以在移动设备上运行。这是通过一种循环重构和结构化压缩技术实现的，该技术允许大型服务器级模型在内存受限的硬件上高效运行。MobileWan 使用一种循环蒸馏框架和因果线性注意力，以分块自回归的方式处理视频生成，保持时间连贯性。该模型还集成了注意力头剪枝和内存优化解码，使其能够在约 20 秒内生成 480x832 分辨率的 5 秒视频，以 83.79 的 VBench 分数创造了移动视频生成的新技术水平。 AI
影响 使移动设备上能够生成高质量视频，可能为消费者扩展创意工具和应用程序。
排序理由 该集群包含一篇详细介绍新模型及其技术实现的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.06173v1 Announce Type: new Abstract: Recent advances in video diffusion have been driven by scaling transformer-based architectures to billions of parameters, substantially improving visual fidelity and motion coherence. In contrast, existing mobile video diffusion mod…
Recent advances in video diffusion have been driven by scaling transformer-based architectures to billions of parameters, substantially improving visual fidelity and motion coherence. In contrast, existing mobile video diffusion models remain limited to relatively small parameter…