AcrossVAM2.0：参数高效的视频扩散适配方法

Nan Wu、Yee Hung Hong 提交论文，提出 AcrossVAM2.0 冲突感知点监督方法，用于参数高效地适配视频扩散模型。该方法在 5.01B 参数的文本到视频扩散 Transformer 上，结合置信度加权轨迹与可见性头、零初始化残差反馈及非对称 PCGrad，作者称其在保留预训练外观先验的同时提升点对应一致性。 作者报告：在 1,000 步、三个独立随机种子的四路消融中，完整方法在三个种子下均较仅流匹配的对照降低 KLT 前后向循环误差（种子级平均差 -0.00711，SD 0.00505）；在 24 条提示、216 个视频的扩展评测中，CoTracker3 聚合循环误差比对照低 9.7%，六项 VBench 维度表现接近对照。但种子级跟踪效果并不一致，I3D-FVD 从 0.1824 退化至 0.2022。作者同时发布了公式、伪代码、对照输出、源表和制品来源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。