Spark-H3:无训练块稀疏注意力用于视频扩散模型
热点事件持续更新
Spark-H3:无训练块稀疏注意力用于视频扩散模型
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
针对长序列视频生成中注意力计算成本高的问题,Zecheng Tang 等人发布了 Spark-Attn/Spark-H3 方法并将其集成至 MiniMax-H3 模型。该方法包含无需训练的 Spark-Reblock(递归按注意力偏好分组)和 Spark-Reweight(利用全局均值查询校准压缩块的注意力质量),旨在降低计算负担并维持生成效果。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
Spark-H3:面向视频扩散模型的自适应块稀疏注意力报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉Spark-H3:面向视频扩散模型的自适应块稀疏注意力
针对长序列视频生成中注意力计算成本高的问题,该研究提出了 Spark-Attn 方法并集成至 MiniMax-H3 模型。该方法包含无需训练的 Spark-Reblock(递归按注意力偏好分组)和 Spark-Reweight(利用全局均值查询校准压缩块的注意力质量)。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。