研究者提出免训练逐帧KV选择方法Focused Forcing
热点事件持续更新
研究者提出免训练逐帧KV选择方法Focused Forcing
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
Peiliang Cai 等研究者提出免训练 KV 选择方法 Focused Forcing，用于自回归视频扩散：按生成帧和注意力头两个维度筛选缓存历史，为每个生成帧保留最相关且独特的历史帧，并按估计重要性给注意力头分配更大预算。 作者称该方法无需训练即可实现最高 1.48 倍端到端加速，同时提升视觉质量与文本对齐；代码已开源。这些效果均为论文作者自述。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 12:00
Focused Forcing：面向高效自回归视频扩散的内容感知逐帧 KV 选择报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.AIFocused Forcing：面向高效自回归视频扩散的内容感知逐帧 KV 选择
研究者提出免训练 KV 选择方法 Focused Forcing，在自回归视频扩散中按生成帧和注意力头两个维度聚焦缓存历史，实现最高 1.48x 端到端加速，同时提升视觉质量与文本对齐。该方法结合注意力分数与历史帧多样性分数为每个生成帧保留最相关且独特的历史帧，并按估计重要性为注意力头分配更大预算。代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。