论文页面 - ForcingBooster：用于快速自回归视频扩散的自适应逐图块去噪

来源：https://huggingface.co/papers/2610.12625

摘要

一种根据难度动态为视频图块分配去噪步数的框架，在保持质量的同时将计算量减半.

自回归视频扩散模型 (https://huggingface.co/papers?q=Autoregressive%20video%20diffusion%20models)已成为实时交互式视频生成和视频世界建模的主流方法。然而，现有方法在生成下一个视频片段时，通常在空间上均匀分配计算资源，使用相同的去噪调度和函数评估次数来更新所有图块。这忽略了视频内容的空间异质性 (https://huggingface.co/papers?q=spatial%20heterogeneity)：静态、简单或反复出现的区域通常更容易去噪，而其他区域则需要进一步细化或更多上下文。因此，统一的计算预算会导致在简单图块上进行冗余计算，而减少固定步数又可能使困难图块得不到充分细化。我们提出了 ，这是一种为各个图块动态分配去噪步数 (https://huggingface.co/papers?q=denoising%20steps)的通用框架：简单图块提前停止以提高效率，而困难图块则获得更多细化步骤。这一设计能够加速生成，同时质量下降微乎其微。我们的方法兼容大多数现有的少步自回归扩散模型，仅需要一个经过少量训练的轻量级路由模块 (https://huggingface.co/papers?q=routing%20module)。实验表明， 将应用于所有视频图块的去噪总步数 (https://huggingface.co/papers?q=denoising%20steps)减少了约 50\%，同时保持了与四步基线相当的视觉质量。

查看 arXiv 页面 (https://arxiv.org/abs/2610.12625)查看 PDF (https://arxiv.org/pdf/2610.12625)项目页面 (https://igl-hkust.github.io/ForcingBooster)GitHub2 (https://github.com/IGL-HKUST/ForcingBooster)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.12625)

在你的智能体中获取这篇论文：

hf papers read 2610\.12625

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有链接到此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.12625，即可从此页面链接到该模型.

引用此论文的数据集0

没有链接到此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.12625，即可从此页面链接到该数据集.

引用此论文的 Spaces0

没有链接到此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.12625，即可从此页面链接到该 Space.

包含此论文的合集1