GitHub · 3D 生成新仓库·· 18 小时前AI 评分24
Jev 自适应粒度路由:Causal-rCM 视频生成在 T4 与 A100 上的可复现审计
j1s4nn/jev-adaptive-granularity-WM
来源与原文
GitHub · 3D 生成新仓库
发布时间:(北京时间)
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/j1s4nn/jev-adaptive-granularity-WM
本站目前仅有 AI 导读与摘要,未展示原文正文;技术细节、代码和完整结论请查看原始来源。
AI 导读
研究团队针对 Wan2.1-1.3B 因果扩散模型 Causal-rCM 发布自适应粒度路由的完整审计代码与工件,在 16GB Tesla T4 与 A100-SXM4-80GB 上验证三项前提。T4 上粗粒度前向耗时是细粒度的 3.01 倍(盈亏平衡点 2.33 倍),A100 上降至 1.60–1.75 倍并快 1.46 倍;手工信号 AUROC 仅 0.491,纯文本 Jev 决策模型达 0.788。A100 上单次 Jev 决策节省 1.78 秒 DiT 时间与 7.39 秒总时间,代价是 CLIP 主体一致性下降 0.020。
来源:GitHub · 3D 生成新仓库 · github.com
这条消息,你怎么看?
把新闻带到 MickerBook,和社区伙伴聊聊;也可以去 AIHER 看看模型背后的角色与梗。