Ming-VideoMAR: निरंतर टोकन आधारित ऑटोरिग्रेसिव वीडियो जनरेशन मॉडल
मूल शीर्षक:inclusionAI/Ming-VideoMAR
AI सारांश
Ming-VideoMAR एक केवल-डिकोडर ऑटोरिग्रेसिव इमेज-टू-वीडियो जनरेशन मॉडल है, जो निरंतर टोकन के माध्यम से दृश्य प्रतिनिधित्व को एकीकृत करता है। यह पहली बार समय-कारणता और स्थानिक-द्विदिशात्मकता को वीडियो ऑटोरिग्रेसन के मुख्य सिद्धांत के रूप में स्थापित करता है, और मास्क्ड जनरेशन को एकीकृत करने वाला नेक्स्ट-फ्रेम डिफ्यूज़न लॉस प्रस्तावित करता है। यह मॉडल पहली बार वीडियो जनरेशन में ज़ीरो-शॉट रेज़ोल्यूशन स्केलिंग प्राप्त करता है, जो प्रशिक्षण रेज़ोल्यूशन से काफी अधिक वीडियो लचीले ढंग से उत्पन्न कर सकता है। यह प्रशिक्षण और इन्फरेंस दक्षता में उत्कृष्ट प्रदर्शन करता है; इसके पैरामीटर, प्रशिक्षण डेटा और GPU खपत पिछले सर्वश्रेष्ठ मॉडल Cosmos के केवल एक छोटे अनुपात (9.3%, 0.5% और 0.2%) हैं, साथ ही यह मात्रात्मक और गुणात्मक दोनों मूल्यांकनों में उसे पीछे छोड़ता है। मॉडल का कोड और चेकपॉइंट ओपन-सोर्स कर दिए गए हैं, तथा पेपर NeurIPS 2025 में स्वीकृत हुआ है।
मुख्य जानकारी
- Ming-VideoMAR एक केवल-डिकोडर ऑटोरिग्रेसिव इमेज-टू-वीडियो जनरेशन मॉडल है,जो निरंतर टोकन के माध्यम…
- इसके पैरामीटर,प्रशिक्षण डेटा और GPU खपत पिछले सर्वश्रेष्ठ मॉडल Cosmos के केवल एक छोटे अनुपात (9.
- 2%) हैं,साथ ही यह मात्रात्मक और गुणात्मक दोनों मूल्यांकनों में उसे पीछे छोड़ता है। मॉडल का कोड और…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- मॉडल लॉन्च
- AI स्कोर
- 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。
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: Ming-VideoMAR: निरंतर टोकन आधारित ऑटोरिग्रेसिव वीडियो जनरेशन मॉडल। 10 अक्टूबर 2025। https://new.nat6.net/hi/news/cmorb7ik40074slhfvdmvwsw7/