AITOP

长视频生成

共 4 条相关 AI 资讯
8月21日
22:34
7月1日
02:44
02:44HeyGen@HeyGen_Official
73°
HeyGen Models 实现了30分钟单次AI视频生成，是此前行业上限的6倍。关键技术在于解决了长视频中的面部漂移问题，确保身份特征全程一致。完整技术报告已公开，详细说明了模型架构与训练方法。
AI模型HeyGen Models视频生成面部一致性
推荐理由：HeyGen 搞了个30分钟长视频生成，脸一直没崩，比行业水平强6倍，建议看看技术报告了解怎么做到的。
原文
5月23日
05:18
05:18官方账号NVIDIA AI@NVIDIAAI
72°
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
事件专题
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
5月21日
09:46
09:46官方账号arXiv 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
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