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。
- 核心卖点:无需预训练自编码器(VAE)或 U-Net 跳跃连接,直接在像素空间做视频扩散
- 效果:质量具竞争力,同时支持相机条件化的 RGB-视差联合生成
- 项目页:zhou Timemachine.github.io/JVT
「多模态」频道最新
- Midjourney 实测:黑白胶片质感人像 prompt 与参数分享 — michaelrabone · 2026-11-16
- Seedance 2.5 还原 1991 年长崎街景,AI「复活」旧日影像 — SimplyAnnisa · 2026-11-16
- PixVerse 演示:两条美人鱼在沉城酒馆把酒言欢 — Wise-Accident-9083 · 2026-11-16
- 自建盲测游戏显示 AI 已通过「人声图灵测试」 — chewygummie · 2026-11-16
- WeituAI 流式视频大脑:OVBench 得 69.9 分超 Gemini 基线 11 分 — 机器之心 · 2026-11-16
- 创作者用 Seedance 2.5 逐帧打造 4K 篝火故事短片 — gen_ericai · 2026-11-16