मॉडल लॉन्च

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
स्रोत
蚂蚁 inclusionAI:GitHub 新仓库
श्रेणी
मॉडल लॉन्च
AI स्कोर
66
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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।

मूल लिंक · AIHOT प्रविष्टि

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/

सभी देखें →