模型发布

Ming-VideoMAR:基于连续令牌的自回归视频生成模型

原文标题:inclusionAI/Ming-VideoMAR

AI 摘要

Ming-VideoMAR 是一款仅解码器的自回归图像到视频生成模型,采用连续令牌统一视觉表征。它首次将时间因果性与空间双向性作为视频自回归核心原则,并提出了整合掩码生成的下一帧扩散损失。该模型首次实现了视频生成的零样本分辨率缩放,能灵活生成远超训练分辨率的视频。其在训练与推理效率上表现突出,参数量、训练数据量和GPU消耗仅为之前最佳模型Cosmos的极小比例(9.3%、0.5%和0.2%),同时在定量与定性评估中均实现超越。模型代码与检查点已开源,论文已被NeurIPS 2025接收。

关键信息

  • Ming-VideoMAR 是一款仅解码器的自回归图像到视频生成模型,采用连续令牌统一视觉表征。
  • 它首次将时间因果性与空间双向性作为视频自回归核心原则,并提出了整合掩码生成的下一帧扩散损失。
  • 该模型首次实现了视频生成的零样本分辨率缩放,能灵活生成远超训练分辨率的视频。
  • 其在训练与推理效率上表现突出,参数量、训练数据量和GPU消耗仅为之前最佳模型Cosmos的极小比例(9.
  • 2%),同时在定量与定性评估中均实现超越。

速览

发布时间
更新时间
来源
蚂蚁 inclusionAI:GitHub 新仓库
分类
模型发布
AI 评分
66
阅读原文 前往信息源阅读完整正文
推荐理由

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。

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Ming-VideoMAR:基于连续令牌的自回归视频生成模型。2025年10月10日。https://new.nat6.net/news/cmorb7ik40074slhfvdmvwsw7/

查看全部 →