VideoFlexTok: tokenización de vídeo de longitud variable de grueso a fino
Título original:VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization
Resumen de IA
VideoFlexTok propone un método de representación de vídeo mediante secuencias de tokens de longitud variable con una estructura de grueso a fino: el primer token captura información abstracta como semántica y movimiento, y los tokens posteriores añaden detalles finos, con un decodificador generativo que permite reconstruir vídeo con cualquier número de tokens. Frente a la tokenización tradicional en malla 3D, esta estructura permite ajustar el número de tokens según las necesidades posteriores y codificar vídeos más largos con el mismo presupuesto. En tareas de generación de vídeo por categoría y texto a vídeo, VideoFlexTok alcanza una calidad de generación comparable (gFVD y ViCLIP Score) con 1,1B parámetros (una quinta parte de 5,2B). Entrenar un modelo de texto a vídeo que procesa vídeos de 10 segundos y 81 fotogramas solo requiere 672 tokens, 8 veces menos que un tokenizador de malla 3D equivalente.
Puntos clave
- VideoFlexTok propone un método de representación de vídeo mediante secuencias de tokens de…
- Frente a la tokenización tradicional en malla 3D,esta estructura permite ajustar el número de…
- En tareas de generación de vídeo por categoría y texto a vídeo,VideoFlexTok alcanza una calidad de…
- Entrenar un modelo de texto a vídeo que procesa vídeos de 10 segundos y 81 fotogramas solo…
Resumen rápido
- Publicado
- Actualizado
- Categoría
- Artículos e investigación
- Puntuación IA
- 56
把视频 tokenization 从固定网格改成变长 coarse-to-fine,训练效率提升明显,还能做更长的视频。研究角度挺漂亮,但离产品落地还有距离,做视频生成的可以追一下。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: VideoFlexTok: tokenización de vídeo de longitud variable de grueso a fino. 2. julio 2026. https://new.nat6.net/es/news/cmr3rd0l901busl7l11krygj3/