Ming-VideoMAR: 연속 토큰 기반 자기회귀 비디오 생성 모델
원제목:inclusionAI/Ming-VideoMAR
AI 요약
Ming-VideoMAR는 연속 토큰으로 시각 표현을 통일한 디코더 전용 자기회귀 이미지-투-비디오 생성 모델이다. 시간적 인과성과 공간적 양방향성을 비디오 자기회귀의 핵심 원칙으로 처음 제시하고, 마스크 생성을 통합한 다음 프레임 확산 손실을 도입했다. 이 모델은 비디오 생성의 제로샷 해상도 스케일링을 최초로 구현하여 훈련 해상도를 크게 초과하는 비디오를 유연하게 생성할 수 있다. 훈련 및 추론 효율이 뛰어나 파라미터 수, 훈련 데이터량, GPU 소비가 이전 최고 모델인 Cosmos의 극히 일부(9.3%, 0.5%, 0.2%)에 불과하면서도 정량·정성 평가 모두에서 이를 능가했다. 모델 코드와 체크포인트가 오픈소스화되었고 논문은 NeurIPS 2025에 채택되었다.
핵심 정보
- Ming-VideoMAR는 연속 토큰으로 시각 표현을 통일한 디코더 전용 자기회귀 이미지-투-비디오 생성 모델이다.
- 시간적 인과성과 공간적 양방향성을 비디오 자기회귀의 핵심 원칙으로 처음 제시하고,마스크 생성을 통합한 다음 프레임 확산 손실을 도입했다.
- 이 모델은 비디오 생성의 제로샷 해상도 스케일링을 최초로 구현하여 훈련 해상도를 크게 초과하는 비디오를 유연하게 생성할 수 있다.
- 훈련 및 추론 효율이 뛰어나 파라미터 수,훈련 데이터량,GPU 소비가 이전 최고 모델인 Cosmos의 극히 일부(9.
- 2%)에 불과하면서도 정량·정성 평가 모두에서 이를 능가했다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 모델 출시
- AI 점수
- 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。
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: Ming-VideoMAR: 연속 토큰 기반 자기회귀 비디오 생성 모델. 2025년 10월 10일. https://new.nat6.net/ko/news/cmorb7ik40074slhfvdmvwsw7/