latent-compression

GRACE提出两阶段的生成感知潜空间压缩框架，在保持与预训练DiT兼容的前提下提高视频自编码器的压缩率，使Wan2.1-I2V-14B的token数减少8倍、延迟降低11.1倍，同时在VBench上保持与压缩前同等的生成质量。

本文介绍了通用三重潜在循环模型，该模型将令牌对交互压缩为潜在状态，并提出一种改进精确召回的门控关联检索变体。该混合模型在字节级WikiText-2和分词语言基准上优于Transformer，实现了高达41.9%的关联召回率（对比25%）。