Wan2.1-14B
PulseAugur coverage of Wan2.1-14B — every cluster mentioning Wan2.1-14B across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的PhyS框架将物理先验知识蒸馏到流式世界模型中
研究人员开发了PhyS，一个新颖的三阶段框架，旨在为流式世界模型注入物理一致性。该框架通过构建一个包含120,000个真实世界物理交互视频的大型数据集PhyS-120K来训练一个物理感知教师模型，从而解决了当前方法的局限性。然后，PhyS框架将这些物理先验知识蒸馏到一个更小的因果模型中，该模型通过在线强化学习和一种称为时间信用路由的技术进行进一步优化，以确保物理上合理的长期预测。
-
HEART框架提升视频扩散模型效率
研究人员开发了HEART，一个新颖的免训练框架，旨在提高视频扩散模型中稀疏注意力机制的效率。该方法通过根据去噪步骤中观察到的头部行为调整掩码刷新和阈值校准来解决头部异质性问题。HEART利用时间掩码重用（TMR）智能更新稀疏掩码，并利用误差引导预算校准（EBC）优化阈值，从而在无需模型重新训练或修改的情况下，改善质量-效率的权衡。
-
新的RACER控制器提高了扩散模型的速度和可靠性 · 跟踪2个来源
研究人员开发了RACER，一种新的闭环控制器，旨在提高扩散模型的效率和可靠性。与盲目信任预测的先前方法不同，RACER分析预测之间的一致性，以确定何时以及在多大程度上信任它们。这种方法允许在不牺牲质量的情况下更积极地加速扩散采样，从而在SD3.5-Large、FLUX.1-dev、Wan2.1-14B和HunyuanVideo等各种模型中实现更快的生成速度。
-
CachedSearch 通过新颖的缓存加速视频扩散模型搜索
研究人员开发了 CachedSearch，一种新颖的、无需训练的方法，用于加速视频扩散模型的测试时搜索。该技术通过积极缓存中间结果，显著降低了生成高质量视频输出的计算成本，使每次运行速度提高 2-3 倍，而质量没有明显下降。CachedSearch 通过缓存探索候选结果，然后仅以完整计算重新生成最佳结果，从而在降低成本的同时捕获了完整搜索超过 94% 的收益。该方法已被证明在各种模型尺寸和架构（包括 Wan、LTX、CogVideoX…
-
新的DigenRL框架通过解耦强化学习加速扩散式生成大语言模型 · 跟踪3个来源
研究人员开发了DigenRL，一个解耦强化学习框架，旨在提高基于扩散的生成式大语言模型的效率。该新框架通过实现灵活的资源分配和兼容异构GPU来解决现有系统的局限性。DigenRL引入了生成轴流水线（GAP）和时间步长并行（TSP）等新技术，以改进rollout和训练之间的流水线操作，并结合了弹性Trainer-Assisted Generation（TAG）方法。实验表明，DigenRL显著提高了吞吐量，与当前最先进的系统相比，最高可…
-
新的Steady-Forcing框架改进了长时域自然视频生成 · 已追踪2个来源
研究人员开发了Steady-Forcing，一个旨在提高自回归扩散模型生成的长时域自然视频质量的新框架。该方法通过结合持久视觉锚点（V-Sink）和指数移动平均运动记忆（EMA-Sink）来解决场景布局漂移和运动抑制等常见问题。此外，该框架还纳入了块相对时间编码、周期性缓存净化以及从Wan2.1-14B教师模型进行蒸馏。评估表明，Steady-Forcing在扩展视频序列中增强了背景一致性和运动连续性，优于现有基线。
-
PARE方法通过自适应路由提高视频生成效率
研究人员推出了一种新颖的方法PARE，用于提高视频扩散 Transformer (DiTs) 的计算效率。PARE通过结构感知剪枝和输入自适应路由联合压缩模型宽度和深度，以解决DiTs的高计算需求。该系统根据注意力头的空间或时间作用智能地剪枝注意力头，并采用轻量级路由器根据去噪时间步和视觉内容动态选择要执行的块。在Wan2.1-14B数据集上进行图像到视频和文本到视频生成的实验表明，PARE在保持视频质量的同时显著降低了每步计算量。