千帧长视频时代到来！MIT全新扩散算法让任意模型突破时长极限

MIT团队提出Diffusion Forcing Transformer（DFoT）算法，在不改变原有架构的前提下，通过引入历史引导机制，实现了视频生成长度提升近50倍，最高可达近千帧。该算法利用不同历史帧信息，有效提升了视频生成的质量、鲁棒性和灵活性。实验结果显示，DFoT在Kinetics600和RealEstate10K两个重要数据集上均取得了显著优于现有模型的表现。目前该算法已开源，并在Huggingface提供在线体验。论文共同一作陈博远将于2月27日进行直播解读。
来源：https://mp.weixin.qq.com/s/Ra-RJfgEVjbUUDcmZFE07Q