Roblox 等发布 PixVid：像素空间逐帧生成视频无需 VAE

Roblox 与 UC Merced 等机构发布 PixVid，将预训练潜空间视频扩散模型（基于 Wan2.1-14B 微调）提升到像素空间逐帧生成，完全去掉 VAE 与时间压缩。该方法保留扩散 Transformer 结构，在相同 token 预算下分辨率翻倍，带来高速高分辨率生成、精确编辑以及极低的控制到屏幕延迟，使实时视频模型成为可能。

2026-11-14 ~ 2026-11-14 · 2 条相关