Hugging Face Daily Papers·· 6 天前AI 评分74
JVT:一种简化的像素空间视频扩散 Transformer 模型
JVT: Just Video Transformer makes pixel-space video diffusion simple
AI 导读
Hugging Face Daily Papers 收录了一篇题为 JVT(Just Video Transformer)的预印本论文,提出了一种无需预训练自编码器、辅助细节器或级联阶段的简单大 patch DiT 风格 Transformer,用于直接对高维原始视频数据进行像素空间扩散建模。
来源:Hugging Face Daily Papers · arxiv.org