跳到正文
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