V-RAE：基于视觉表征的视频生成新范式
sainingxie · x · 2026-08-27
针对视频生成仍依赖传统 VAE 压缩、潜在空间难以生成的问题，论文提出 V-RAE。它直接在冻结的视觉基础模型表征上构建紧凑的生成潜在空间，通过轻量级时序池化移除冗余。在 K600 上，V-RAE 达到 2.13 rFVD，收敛速度提升 6 倍。研究还引入了 tFVD 指标来诊断时间一致性。
所属事件:V-RAE：基于视觉基础模型表征的视频生成新范式(2 条相关)→
「多模态」频道最新
- 开源 LoRA 让 MiniMax H3 从单张照片生成无缝 360° 环绕视频 — camenduru · 2026-10-15
- Neon Noir 风格提示词走红：双色调霓虹出图效果惊艳 — LudovicCreator · 2026-10-15
- 不学像素画了：Krea 2 Turbo 加 LoRA 5 秒批量出像素素材 — Angaisb_ · 2026-10-15
- 动画短片功夫场面揭秘：真人南拳动捕结合 Seedance 2.5 生成 — JunieLauX · 2026-10-15
- 提示词分享:黑白影像中一抹红,Crimson Footsteps 电影感人像模板 — azed_ai · 2026-10-15
- 用 Magnific One 生成以假乱真的张家界游客照,提示词全文公开 — techhalla · 2026-10-15