浙大与上海 AI Lab 提出 JVT:无需 VAE 与 U-Net 的像素空间视频扩散

Jianjun Zhou · hf · 2026-11-16

浙江大学、上海创新研究院与上海 AI Lab 的研究者提出 JVT(Just Video Transformer),用大 patch 的 DiT 风格 Transformer 简化像素空间视频扩散。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →