Md Jisan 开源 JevGAG 自适应时序粒度视频生成仓库
先了解这件事
Md Jisan（Hossen Md Jisan）在 GitHub 发布 JevGAG 研究仓库，采用 MIT 许可证，研究因果视频生成与视频世界模型中的自适应时间粒度：何时逐帧细粒度生成、何时按块粗粒度生成。仓库提供审计代码、锁定协议、校准冻结和审计工件，称每项报告实验均可由仓库工件复现；大型结果媒体、模型检查点和文本编码器/VAE 托管在 Kaggle。 后续报道针对 Wan2.1-1.3B 因果扩散模型 Causal-rCM 给出验证结果：在 16GB Tesla 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），在 A100-SXM4-80GB 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。
AI 根据报道生成 · 17 小时前更新
事件进展
2 个进展
- 11月7日 00:27 · 1 篇报道发布因果视频生成自适应粒度审计仓库GitHub · 3D 生成新仓库：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
- 10月25日 11:06 · 1 篇报道发布 JevGAG 自适应时序粒度视频生成研究仓库GitHub · 3D 生成新仓库：JevGAG：面向因果视频生成的 Jev 自适应时间粒度研究
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 3D 生成新仓库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
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。
- GitHub · 3D 生成新仓库JevGAG：面向因果视频生成的 Jev 自适应时间粒度研究
JevGAG 研究因果视频生成与视频世界模型中的自适应时间粒度：逐帧细粒度与分块粗粒度生成的切换时机。该方法用离线设备外的 Jev 1.14 作为图像接地 oracle 路由每个片段，配合恢复+滞回控制器和独立图像端点，在 Tesla T4 与 A100 上验证，E9 审计 18/18 PASS。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1011月7日 01:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。