论文页面 - CineMobile：面向电影级镜头运动的端侧图像到视频扩散模型

来源：https://huggingface.co/papers/2607.03803

摘要

CineMobile 通过蒸馏引导剪枝、扩散蒸馏和混合量化技术，在保持视觉质量的同时实现显著加速，从而在移动设备上实现高效的图像到视频生成。

移动设备上图像到视频创作的需求日益增长，越来越关注电影级运动效果，如子弹时间、推拉变焦、慢动作等。虽然扩散变换器（DiTs）在视频生成方面表现出色，但其庞大的参数量和多步迭代去噪过程导致巨大的计算开销，使得在移动设备上高效生成成为挑战。我们提出 CineMobile 来弥合这一差距。具体而言，CineMobile 采用三重优化策略：（1）利用蒸馏引导剪枝方法，得到一个紧凑而高效的模型，保留电影效果所需的基本视频生成能力；（2）通过结合扩散蒸馏和强化学习将压缩模型优化为 4 步生成器；（3）采用混合训练后量化策略，将模型占用空间压缩至 1 GB 以下。实验结果表明，与基于 Wan 2.1 架构的教师模型相比，CineMobile 在保持相当视觉质量的同时，实现了 40 倍的生成加速。具体来说，CineMobile 生成 49 帧 480p 视频时，在 NVIDIA H200 GPU 上每步去噪延迟为 0.6 秒，在 MediaTek Dimensity 8400 Ultimate 5G 平台上为 20 秒，峰值内存占用为 1.8 GB，展示了其在移动端图像到视频创作中的实际应用潜力。

查看 arXiv 页面 (https://arxiv.org/abs/2607.03803) 查看 PDF (https://arxiv.org/pdf/2607.03803) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.03803)

在您的智能体中获取此论文：

hf papers read 2607\.03803

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

引用此论文的模型 0

暂无模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2607.03803 以从本页链接。

引用此论文的数据集 0

暂无数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.03803 以从本页链接。

引用此论文的 Space 0

暂无 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2607.03803 以从本页链接。

包含此论文的收藏集 0

暂无收藏集包含此论文

请将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接。