视频扩散相关 AI 资讯 · AI 热点

7月7日

23:15

23:15

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA研究团队在ICML2026发表论文“Fast Autoregressive Video Diffusion & World Models with Temporal Cache Compression & Sparse Attention”。该方法通过时空缓存压缩和稀疏注意力解决自回归视频扩散中的注意力瓶颈。实验显示可实现5倍至10倍的推理速度提升，并在长序列生成中保持恒定内存占用。该工作同时适用于视频扩散模型和世界模型。

论文 NVIDIA ICML2026 视频扩散世界模型稀疏注意力

推荐理由：NVIDIA发的新论文，用时空缓存压缩和稀疏注意力，让视频扩散生成速度飙5-10倍，内存还不涨，搞视频生成和世界模型的朋友可以看看。

5月29日

11:05

11:05

官方账号arXiv cs.AI@Hidir Yesiltepe, Jiazhen Hu, Tuna Han Salih Meral, Adil Kaan Akan, Kaan Oktay, Hoda Eldardiry, Pinar Yanardag

精选

VideoMLA首次将多头潜注意力（MLA）应用于视频扩散模型，通过共享低秩内容潜变量和分离的3D-RoPE位置键，将每个token的KV缓存内存减少92.7%。研究发现，尽管视频注意力并非低秩（99%能量有效秩远超实际潜变量维度），但MLA瓶颈决定了有效秩，而非预训练频谱，从而在压缩比下保持质量。在VBench基准上，VideoMLA在短时视频扩散中匹配基线，在长时任务中取得最佳综合得分，并在单块B200上实现1.23倍吞吐量提升。该工作解决了长序列视频生成中KV缓存内存和延迟瓶颈，为分钟级视频扩散提供了高效方案。

论文视频扩散 KV缓存低秩注意力 MLA 长序列生成

推荐理由：视频生成团队终于有了解决长序列KV缓存内存爆炸的方案——VideoMLA将内存减少92.7%且不牺牲质量，做长视频扩散的开发者可以直接在B200上试，吞吐量提升1.23倍。