跳到正文
Hugging Face Daily Papers·· 7 天前AI 评分37

PixVid 如何把潜空间视频扩散提升到像素空间

Back to Pixels: Lifting Latent Video Diffusion into Pixel Space

AI 导读

PixVid 将预训练潜空间视频模型改为直接在像素空间逐帧生成,用卷积头替代 VAE 解码器。该方法从 Wan2.1-14B 微调,约 1.3M 训练片段即可接近潜空间基线,并以相同每帧 token 数生成 2× 更高分辨率。它在快速运动下保持深度条件编辑对齐,并能对每个动作在下一帧响应。

打开原文 arxiv.org