Wan2.1
PulseAugur coverage of Wan2.1 — every cluster mentioning Wan2.1 across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
Stable Diffusion的Wan2.1和Qwen-Image的VAE被发现可互换使用
一位Reddit用户发现Wan2.1和Qwen-Image的变分自编码器（VAE）是兼容的，并且可以解码彼此的潜在表示。虽然两个VAE共享相同的基本架构和潜在空间维度，但它们不同的训练目标会导致不同的图像输出。在视频上训练的Wan-VAE倾向于产生更平滑的图像，而针对静态图像微调的Qwen-Image VAE则优先保留空间细节和清晰的文本渲染。该用户还发布了一个ComfyUI节点包，用于进一步试验这些VAE。
-
LearniBridge 通过可学习特征缓存加速扩散模型 · 已追踪 2 个来源
研究人员开发了 LearniBridge，一种通过优化特征缓存来加速 Diffusion Transformers (DiTs) 等扩散模型的新颖方法。该技术通过使用轻量级 LoRA 更新来校准多个时间步之间的中间表示，从而解决了现有方法中的误差累积问题。LearniBridge 仅需少量训练数据，并在各种图像和视频生成任务上实现了显著的加速，最高可达 5.87 倍，同时在基准测试中保持或提高了性能。
-
FastWan-QAD在消费级GPU上以1.8秒生成5秒视频片段
Fastvideo团队发布了FastWan-QAD，这是一种能够在RTX 5090上仅用1.8秒就生成5秒视频片段的新模型。这比以前的方法快了三倍多。该模型有三个版本，针对不同的消费级GPU进行了优化，包括支持缺少FP4张量核心的显卡版本。
-
新的 ScalingAttention 框架提升了扩散 Transformer 的视频生成能力
研究人员开发了 ScalingAttention，一个旨在优化扩散 Transformer (DiTs) 视频生成的新框架。该方法通过发现一种在训练过程中对提示不敏感且稳定的内在稀疏注意力拓扑，解决了 DiTs 中全 3D 注意力造成的计算瓶颈。该框架利用 WEST 进行离线块稀疏先验掩码提取，并利用 FAST 进行自适应头稀疏调整，从而在视频生成任务中实现了显著的加速和更高的保真度。
-
MoonMath AI 开源 HIP Attention Kernel 以支持 AMD MI300X，性能超越 AITER v3
MoonMath AI 已开源一个用于 AMD MI300X GPU 的新型 bf16 前向注意力内核，该内核使用 HIP 编写。据报道，该内核在各种配置下均优于 AMD 自家的 AITER v3，速度提升高达 1.26 倍。性能提升归因于战略性的内存放置和一种新颖的单指令汇编包装器技术，该技术允许在利用编译器进行寄存器分配优化的同时，精确控制操作。这项进展已集成到 SGLang 中，以加速 Wan2.1 等视频扩散模型。
-
Reddit 用户分享两年 Stable Diffusion 工作流合集
一位 Reddit 用户分享了他们两年间积累的 Stable Diffusion 工作流的广泛合集，并声称这些工作流仍然有效。他们强调了 LoRA（低秩适配）作为优化图像生成过程的宝贵工具的效用。
-
MoonMath AI 开源 AMD MI300X 注意力内核，性能优于 AITER v3 · 跟踪 3 个来源
MoonMath AI 发布了一个开源的 HIP 注意力内核，适用于 AMD 的 MI300X GPU，据报道其性能优于 AMD 自家的 AITER v3。该内核通过优化内存布局和使用单指令汇编包装器进行寄存器控制，实现了高达 1.26 倍的速度提升。此优化已集成到 SGLang 中，以加速 Wan2.1 等视频扩散模型。
-
新的缓存技术提升LLM和扩散模型效率
研究人员开发了MiniPIC，一种用于大型语言模型推理的高效缓存新方法，只需对vLLM等现有系统进行少于100行的代码更改。该方法将预填充吞吐量提高了49%，并显著降低了缓存跨度的延迟。此外，还为扩散模型引入了一种名为BudCache的新技术，该技术根据固定的计算预算优化缓存策略，以保持输出质量，在FLUX.1-dev和Wan2.1上表现优于启发式方法。
-
LTX2.3 模型导致视频生成时间不一致
一位 Reddit 用户在使用 LTX2.3 模型进行图像到视频生成时，遇到了生成时间不一致的问题。虽然之前的 WAN2.1 模型能为 2 秒视频提供约 2 分钟的稳定生成时间，但 LTX2.3 在使用相同设置和硬件的情况下，为 5 秒视频生成的时长却在 3 到 11 分钟之间波动。该用户希望了解其他人是否也遇到了类似问题。
-
AMD新技术提升生成模型稳定性和保真度
研究人员开发了一种名为自适应匹配蒸馏（Adaptive Matching Distillation, AMD）的新框架，以提高少样本生成模型的稳定性和性能。AMD通过使用奖励代理来检测和逃离现有蒸馏方法难以处理的“禁区”问题。在SDXL和Wan2.1等图像和视频生成任务上的实验表明，AMD提高了样本保真度和训练鲁棒性，尤其是在SDXL上显著提升了HPSv2分数。
-
OSP-Next视频模型以效率提升实现83.73% VBench分数
研究人员推出了一种新颖的文本到视频生成模型OSP-Next，旨在提高效率和质量。该模型集成了稀疏注意力机制、一种将通信量比现有方法减少75%的新型稀疏序列并行（SSP）技术，以及用于稳定8位训练的HiF8量化。实验表明，OSP-Next的VBench得分为83.73%，优于Wan2.1基线，并在包括NVIDIA H200和Ascend 950PR GPU在内的各种硬件平台上实现了显著的速度提升。
-
具有预测潜在变量的视频生成
研究人员开发了几种新方法来提高视觉生成模型的效率和质量。DC-DiT 将动态分块引入 Diffusion Transformers，自适应地压缩视觉数据以实现更快的推理和更好的质量。Quant VideoGen 通过使用 2 位量化解决了自回归视频生成中的 KV 缓存内存瓶颈，在保持一致性的同时显著减少了内存使用。FreeSpec 通过使用奇异谱重构来平衡全局和局部特征，改善了时间动态和视觉质量，从而应对长视频生成的挑战。SwiftI…