实体
autoregressive video diffusion models
autoregressive video diffusion models
PulseAugur coverage of autoregressive video diffusion models — every cluster mentioning autoregressive video diffusion models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的SCOPE框架加速自回归视频生成
研究人员开发了SCOPE，一个旨在加速自回归视频生成模型的新框架。该方法通过引入一个三模态调度器来解决这些模型的计算成本问题，该调度器智能地决定是为每一帧缓存、预测还是重新计算。SCOPE 利用噪声水平泰勒外插进行预测，并实现选择性计算，将处理重点放在活动的帧间隔上，从而在保持输出质量的同时实现显著的加速。
-
新研究解决了视频生成在控制、一致性和效率方面的挑战
研究人员正在开发先进的视频生成技术，重点是提高控制、一致性和效率。CineOrchestra 旨在统一对电影视频中主体、摄像机和镜头转换的控制。TetherCache 通过管理缓存内存来解决长格式自回归视频生成中的漂移和质量下降问题。Argus 使用新颖的身份注入方法来增强在各种挑战性条件下的主体保留能力。MilliVid 采用分层潜在空间来实现长程一致性，而 RhymeFlow 通过解耦去噪轨迹来加速扩散变换器。Echo-Infin…
-
新的REVEL系统通过DragStream实现交互式视频操控
研究人员开发了REVEL，一项新的交互式视频操控任务，允许用户随时随地编辑生成的视频中的任何元素。该系统解决了控制自回归视频扩散模型中的挑战，特别是潜在空间漂移和上下文帧的干扰。提出的解决方案DragStream是一种无需训练的方法，它使用自适应分布自校正和空间-频率选择性优化来确保流畅且视觉自然的视频编辑。