Roblox PixVid 把潜空间视频扩散拉回像素空间，同 token 分辨率翻倍
Roblox · hf · 2026-11-14
Roblox 与 UC Merced 等机构发布 PixVid 论文，将预训练潜空间视频扩散模型（基于 Wan2.1-14B 微调）提升到直接在像素空间逐帧生成：保留扩散 Transformer，用卷积头替换 VAE 解码器。
关键发现与效果：
- 预测干净视频而非速度场（velocity），配合更大的 noise shift，是质量的关键
- 仅用约 130 万训练片段即与潜空间基线相当
- 同等每帧 token 数下分辨率提升 2 倍（960×1664 vs 480×832）
- 逐帧像素工作使深度条件视频编辑在快速运动下保持对齐，且每个动作在下一帧即响应，利于交互式生成
所属事件:Roblox 等发布 PixVid：像素空间逐帧生成视频无需 VAE(2 条相关)→
「多模态」频道最新
- Scenario 一键生成可绑定动画的游戏级 3D 资产,支持 API 与 MCP — AIandDesign · 2026-11-14
- Vauss 训练 Gaussian Splat 比 gsplat 快 5.4 倍，106 秒建出场景 — ravisparikh · 2026-11-14
- 开发者用 Scenario 重做儿童数学游戏美术，风格告别幼态 — AIandDesign · 2026-11-14
- Budget3D 开源：按 token 预算控制画质的图生 3D 新方法 — _akhaliq · 2026-11-14
- 用 Claude 重绘西斯廷教堂:画里全是 AI 人物 — mickeyxfriedman · 2026-11-14
- fofrAI 用 Carbon agents 为自定义 VFX 工具注入逼真人体运动 — fofrAI · 2026-11-14