(6分钟完整评测)熟女丰满啪啪av苹果版v4.66.79.46.79.16.11-2265安卓网

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

2026-01-06 13:32:22
泉源:

猫眼影戏

作者:

王迅笑

手机审查

  猫眼影戏记者 索托玛 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,连系首尾帧,不但操作起来很贫困,并且需要往返抽卡来包管画面的一致性。

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帧,并在感知质量上坚持优异的外观保真度

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,从而迫使模子学习一种能够在整个时间序列规模内一连保存细节信息的体现方法。

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:亚洲性另类欧美老妇性另类

??01月06日,台湾移工人数创新高 舆论指不能只引进不管理,

  重大的穿山甲移动,整片山地都在随着颤,数十米长的躯体流动出耀眼的绚烂,散发的金色绚烂将山石、林木、落叶等都染成了淡金色。

,八重神子插到腿软射精。

??01月06日,让历史文化遗存保护融入城市更新,

  最后,祝列位向导、列位来宾、列位朋侪身体康健、事业有成、万事如意;祝修建装饰公司开张大吉、生意兴隆、财路广进。

,717av,淫荡的少妇亚洲色图,在线免费视频一区二区。

??时势2:3D同人芙琳娜被❌❌到爽

??01月06日,【中新画报】世界地球日 感受这颗星球的蓝色之美,

  南部奥体中心的打造,体现了三大唯一焦点价值(即;南部唯一奥体中心体育场临街商铺;南部唯一优美奥体步行街街心商铺;南部唯一优美奥体不夜城),我们将通过六重价值提炼助推他的财产升值。

,国产视频9999,美女脱光黄色网站18岁以下禁止入内,国产农村人一级A片妓女。

??01月06日,(两会速递)中山大学今年将在香港设立高等研究院,

  “族长不可。 币蝗鹤衬昴凶友劾岵畹愕粝吕,他们知道,族长拼命拦他们,是不想他们死掉,而自己却要去拼命。

,人人干人人摸人人干,亚洲婷婷丁香一区二区,久久久国产精品毛片。

??时势3:国产色哟哟免费入口

??01月06日,【小新的Vlog】世界读书日:小新初探甲骨文的秘密 感受文字之美,

  “哈哈……还真想吃兽奶了,这些日子出不去,嘴里没滋没味,着实闷坏了吧?”一群大孩子全都笑了起来。

,日B一级视频,在线观看黄色aaa视频,欧美女人网。

??01月06日,王毅同德国外长贝尔伯克举行第七轮中德外交与安全战略对话,

  第一,准确掌握都会未来定位。凭证“4.59平方公里、4.5万生齿”的小都会规模定位,“北方边境名城、领土口岸都会、滨水都会、协调文明县城”的都会性子定位,“欧风花海、江城特色、品位雅致、功效完善”的生长特色定位,住宅区、商服区、行政办公区、工业区、江畔公园、南河公园“四区两园”的妄想结构定位,进一步填充内容,强化功效,打造特色,塑造品牌。要凸显江城特色。临江是嘉荫都会的特色所在。要加速临江区域景物带建设,提升滨水都会景观特色。以江畔公园、南河公园建设为绿核,加速生态型旅行带建设;以向阳堤防工程为主线,一直拓展滨水绿色空间。要突出文化内在。文化是都会建设的“魂”,都会只有融入了文化才有生命力,才有内在与品位。嘉荫都会建设必需以文化为支持,注重历史文脉的延续,散发都会的魅力。在都会建设中,要凭证彰显“恐龙之乡”特色的文化定位,对能够反应嘉荫恐龙文化及界江文化、中俄地区文化的修建和景观,要举行深入挖掘,拓展内在,延伸历史,将历史文脉和地区文化的继续与发挥涵盖于都会的景观设计和实体修建中,使古板文化、特色文化与现代气息相融会,形成气概鲜明、独具魅力的嘉荫都会品牌。

,熟女丰满,一级绝黄A片AAA,国产黄在线观看免费。

??时势4:超碰91偷拍

??01月06日,新疆首家国际化、智能化新型医疗机构开工,

  一群人坐等看笑话,以为这个孩子着实意思,这也太贪心了吧?若是他是一个大人,早就被藐视一百遍了,现在则让人忍不住想笑,以为他太憨了。

,日韩AV无码啪啪网站大全,美女跪床 被 网无病毒,久99久热只有精品国产首页。

??01月06日,中新健康丨中疾控:新冠疫情可能在本月出现回升,

  这一次,十几头巨狼同时行动,从漆黑向村人扑杀了过来。

,日韩精品美女偷拍视频,男人网站在线观看网站不卡,免费无码一级成年片喷水。

责编:严俊

审核:韩正

责编:汪厝

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