跳到主要内容
检索

# MPEG-Diffusion

1 篇关联报道

订阅更新
  1. arXiv

    视频生成只在高清区域花算力:MPEG-Diffusion 在 Wan2.1 上提速去噪,画质贴近全分辨率

    视频扩散 Transformer 对每一帧的每个区域都按同一分辨率生成,注意力开销随 token 数增长,而混合分辨率生成此前在视频上画质骤降、还要求预先知道高清区域。MPEG-Diffusion 把失败归因于共享 K/V、解码器邻域敏感和外部给定区域三点,分别用双分辨率注意力、混合分辨率解码器和从 DiT 特征自选高清区域来处理。在 Wan2.1 1.3B 与 14B 上,它只处理部分全分辨率 token,去噪提速并几乎在全部指标上优于此前的混合分辨率方法,盲测中评分者对其偏好率高于 Phase-Aligned RoPE 与 Foveated Diffusion。

已读完全部报道