Ming-VideoMAR: autoregressive video generation model batay sa continuous tokens
Orihinal na pamagat:inclusionAI/Ming-VideoMAR
AI summary
Ang Ming-VideoMAR ay isang decoder-only autoregressive image-to-video generation model na gumagamit ng continuous tokens para pag-isahin ang visual representation. Una nitong ginawang core principle ng video autoregression ang temporal causality at spatial bidirectionality, at iminungkahi ang next-frame diffusion loss na pinagsasama ang masked generation. Unang nakamit ng modelong ito ang zero-shot resolution scaling sa video generation, na flexible na nakakabuo ng video na malayo sa lampas sa training resolution. Mahusay ang performance nito sa training at inference efficiency; ang parameter count, training data volume, at GPU consumption ay maliit na proporsyon lamang (9.3%, 0.5%, at 0.2%) kumpara sa dating pinakamahusay na model na Cosmos, at nalampasan ito sa quantitative at qualitative evaluation. Open source na ang code at checkpoints ng modelo, at tinanggap na ang papel nito sa NeurIPS 2025.
Mahahalagang impormasyon
- Ang Ming-VideoMAR ay isang decoder-only autoregressive image-to-video generation model na…
- Una nitong ginawang core principle ng video autoregression ang temporal causality at spatial…
- Unang nakamit ng modelong ito ang zero-shot resolution scaling sa video generation,na flexible na…
- Mahusay ang performance nito sa training at inference efficiency
- ang parameter count,training data volume,at GPU consumption ay maliit na proporsyon lamang (9.
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- 蚂蚁 inclusionAI:GitHub 新仓库
- Kategorya
- Paglabas ng modelo
- AI na marka
- 66
蚂蚁把自回归视频生成的训练成本砍到 Cosmos 的 0.2% 还能赢,这个效率信号比分数本身更值得关注,做视频生成的团队该认真看看它的课程学习和渐进分辨率策略。
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Ming-VideoMAR: autoregressive video generation model batay sa continuous tokens. 10 Oktubre 2025. https://new.nat6.net/fil/news/cmorb7ik40074slhfvdmvwsw7/