논문 및 연구

VideoFlexTok: 가변 길이 거친 것에서 세밀한 것으로의 비디오 토큰화

원제목:VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization

AI 요약

VideoFlexTok은 가변 길이 토큰 시퀀스로 비디오를 표현하는 방법을 제안한다. 거친 것에서 세밀한 것으로의 구조를 채택해 첫 토큰은 의미와 운동 등 추상 정보를 포착하고 후속 토큰은 세부 디테일을 추가하며, 생성 흐름 디코더는 임의 토큰 수의 비디오 재구성을 지원한다. 기존 3D 그리드 토큰화와 달리 이 구조는 다운스트림 요구에 따라 토큰 수를 조정할 수 있어 같은 예산으로 더 긴 비디오를 인코딩한다. 클래스 및 텍스트-비디오 생성 작업에서 VideoFlexTok은 1.1B 파라미터(5.2B의 1/5)로 비교 가능한 생성 품질(gFVD 및 ViCLIP Score)을 달성했다. 10초 81프레임 비디오를 처리하는 텍스트-비디오 모델 훈련에는 672개 토큰만 필요해 동등한 3D 그리드 토크나이저보다 8배 적다.

핵심 정보

  • VideoFlexTok은 가변 길이 토큰 시퀀스로 비디오를 표현하는 방법을 제안한다.
  • 거친 것에서 세밀한 것으로의 구조를 채택해 첫 토큰은 의미와 운동 등 추상 정보를 포착하고 후속 토큰은 세부 디테일을 추가하며,생성 흐름 디코더는 임의 토큰 수의 비디오…
  • 기존 3D 그리드 토큰화와 달리 이 구조는 다운스트림 요구에 따라 토큰 수를 조정할 수 있어 같은 예산으로 더 긴 비디오를 인코딩한다.
  • 클래스 및 텍스트-비디오 생성 작업에서 VideoFlexTok은 1.
  • 1B 파라미터(5.

한눈에 보기

게시
업데이트
출처
Apple Machine Learning Research(RSS)
카테고리
논문 및 연구
AI 점수
56
원문 읽기 정보 출처에서 전체 본문 읽기
추천 이유

把视频 tokenization 从固定网格改成变长 coarse-to-fine,训练效率提升明显,还能做更长的视频。研究角度挺漂亮,但离产品落地还有距离,做视频生成的可以追一下。

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.

원문 기사 · AIHOT 항목

인용 방법

본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.

Orange News: VideoFlexTok: 가변 길이 거친 것에서 세밀한 것으로의 비디오 토큰화. 2026년 7월 2일. https://new.nat6.net/ko/news/cmr3rd0l901busl7l11krygj3/

전체 보기 →