Ming-VideoMAR:連続トークンに基づく自己回帰動画生成モデル
原題:inclusionAI/Ming-VideoMAR
AI 要約
Ming-VideoMARはデコーダのみの自己回帰画像から動画への生成モデルで、連続トークンで視覚表現を統一する。時間的因果性と空間的双方向性を動画自己回帰の中核原則として初めて位置づけ、マスク生成を統合した次フレーム拡散損失を提案する。動画生成のゼロショット解像度スケーリングを初めて実現し、訓練解像度をはるかに超える動画を柔軟に生成できる。訓練と推論の効率に優れ、パラメータ数、訓練データ量、GPU消費は以前の最良モデルCosmosのごく一部(9.3%、0.5%、0.2%)でありながら、定量・定性評価の両方で上回る。モデルコードとチェックポイントはオープンソース化され、論文はNeurIPS 2025に採択された。
要点
- Ming-VideoMARはデコーダのみの自己回帰画像から動画への生成モデルで、連続トークンで視覚表現を統一する。
- 時間的因果性と空間的双方向性を動画自己回帰の中核原則として初めて位置づけ、マスク生成を統合した次フレーム拡散損失を提案する。
- 動画生成のゼロショット解像度スケーリングを初めて実現し、訓練解像度をはるかに超える動画を柔軟に生成できる。
- 訓練と推論の効率に優れ、パラメータ数、訓練データ量、GPU消費は以前の最良モデルCosmosのごく一部(9.
- 2%)でありながら、定量・定性評価の両方で上回る。
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 66
おすすめの理由
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。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Ming-VideoMAR:連続トークンに基づく自己回帰動画生成モデル。2025年10月10日。https://new.nat6.net/ja/news/cmorb7ik40074slhfvdmvwsw7/