Focused Forcing:免训练KV选择加速视频扩散
热点事件持续更新
Focused Forcing:免训练KV选择加速视频扩散
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Peiliang Cai 等研究者在 arXiv 发布论文,提出免训练的 KV 选择方法 Focused Forcing,用于自回归视频扩散模型。该方法按生成帧和注意力头两个维度聚焦缓存历史,结合注意力分数与多样性分数保留最相关的历史帧,并给重要性更高的 head 分配更大预算。 论文称该方法在多种自回归生成范式下实现最高 1.48 倍端到端加速,同时提升视觉质量与文本对齐,代码已开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
Focused Forcing:面向自回归视频扩散的内容感知逐帧 KV 选择方法报道时间线
沿着报道,了解事件的不同侧面。
10月31日
- arXiv cs.AIFocused Forcing:面向自回归视频扩散的内容感知逐帧 KV 选择方法
研究者提出 Focused Forcing,一种免训练的 KV 选择方法,在自回归视频扩散中按生成帧和注意力头两个维度聚焦缓存历史,结合注意力分数与多样性分数保留最相关的历史帧,并给重要性更高的 head 分配更大预算。该方法在多种自回归生成范式下实现最高 1.48 倍端到端加速,同时提升视觉质量与文本对齐,代码已开源。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。