05:18NVIDIA AI@NVIDIAAI72°NVIDIA Research 推出 LongLive-2.0,一个端到端的 NVFP4 训练与推理系统,专门解决长视频生成问题。该系统将 NVFP4 感知训练、蒸馏和 W4A4 推理对齐,弥补了低精度部署中训练与运行之间的差距。在保持基准质量的同时,显著提升了速度和内存效率。这标志着长视频生成从模型问题转向系统问题,为实际部署提供了更高效的方案。AI模型NVIDIA长视频生成NVFP4训练推理系统低精度部署2 个信源在谈推荐理由:长视频生成一直受限于计算和内存瓶颈,NVIDIA 这次从系统层面给出了端到端方案。做视频生成模型训练或部署的团队,可以直接参考这套 NVFP4 对齐方法,提升效率。原文
09:46arXiv cs.AI@Bo Ye, Xinyu Cui, Jian Zhao, Tong Wei, Min-Ling Zhang精选自回归长视频生成通常采用有界内存流式处理,结合局部窗口和静态早期帧汇(sink)来保持长期连续性。但静态帧汇在视觉状态大幅变化后仍缓存早期帧,丢弃了可能更相关的中间历史,导致生成偏向过时内容,甚至引发注意力坍塌。DySink 提出基于检索的动态帧汇框架,维护紧凑记忆库并选择视觉相关的历史帧作为动态汇,同时引入异常检测门控抑制坍塌。实验表明,DySink 在分钟级视频上持续提升动态度指标,并实现更高时间质量。代码和模型权重将开源。论文长视频生成自回归模型动态帧汇注意力机制开源/仓库推荐理由:长视频生成长期受困于静态帧汇导致的注意力坍塌问题,DySink 用检索式动态帧汇解决了这个痛点,做视频生成或自回归模型的团队可以直接参考其开源代码。原文