空间-时间注意力

Meta推出的整合掩码自回归优势的高效视频扩散生成模型 MarDini是Meta AI Research开发的视频扩散模型，创新性地将掩码自回归的优势整合进统一扩散模型框架，可基于任意数量的掩码帧在任意帧位置完成生成，支持视频插值、图转视频、视频扩展等任务。它优化算力分配，让大规模时空注意力计算得以实现，在视频插值任务上建立了新的性能标杆，仅需几次推理就能生成媲美高阶模型的效果，效率优势明显。