用于交互式视频生成的推测采样
交互式视频生成通常依赖较小的双向分块来降低响应延迟。研究提出的推测采样将较大的建模窗口与小分块的交互响应能力结合起来；较大窗口有望提升视频质量并更充分地利用 GPU 并行计算。该方法通过追加噪声潜变量作为填充，并在条件不变时缓存预测结果。输出逐步交付，尚未确认的未来内容仍可替换。作者的延迟分析称，这种方法消除了分块边界造成的等待时间下限，使窗口大小和采样速度能够共同优化，无需复杂的流式后训练。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。