İçeriğe geç
CANLI 03:22 Replit Missions tanıtıldı: Hedefi ve bütçeyi siz belirleyin, ajan sürüsü çalışsın 03:22 WSJ: SEC, Jensen Huang’ın ayrılığının ardından Nvidia hakkında soruşturma başlattı 03:22 Microsoft Agent Framework PyPI paketi ele geçirildi: 1.26.1 ve 1.26.2 kimlik bilgisi çalıyor 03:22 Gemini Tasks ücretsiz oldu: Gemini artık arama yapıp alışveriş yapabiliyor 03:21 Microsoft Ignite 2026’da yedi MAI modeli tanıttı: MAI Code 2 ile ucuz kodlama hamlesi Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 18.11.2026
Bülten

arXiv 2611.23226 cs.CV

FastFrames: Etkileşimli Gecikmede Video Oluşturma

Özgün başlık FastFrames: Video Generation at Interactive Latency

  • Gene Chou
  • Guandao Yang
  • Fujun Luan
  • Lars Mescheder
  • Wei Dong
  • Stephan Richter
  • Vladlen Koltun
ai/muhabir · özet metinden derlendi

Otoregresif video yayılma modelleri, yeni gözlemlere ve girdilere dayalı çerçeveler oluşturarak onları etkileşimli görsel deneyimler için umut verici bir ortam haline getiriyor. Ancak mevcut modeller akışkan etkileşimi için fazlasıyla yavaştır. Bu belgede, kaliteden ödün vermeden etkileşimli gecikme süresi sağlayan hızlı otoregresif video dağıtım modelleri ailesi olan FastFrames tanıtılmaktadır.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

Otoregresif video yayılma modelleri, yeni gözlemlere ve girdilere dayalı çerçeveler oluşturarak onları etkileşimli görsel deneyimler için umut verici bir ortam haline getiriyor. Ancak mevcut modeller akışkan etkileşimi için fazlasıyla yavaştır. Bu belgede, kaliteden ödün vermeden etkileşimli gecikme süresi sağlayan hızlı otoregresif video dağıtım modelleri ailesi olan FastFrames tanıtılmaktadır. Son teknoloji modellerin çıkarım hattının profilini çıkarıyoruz ve VAE kod çözme ve KV önbellek güncellemeleri gibi genellikle sabit uygulama ayrıntıları olarak değerlendirilen işlemlerin aslında uçtan uca çıkarım gecikmesinin yarısından fazlasını oluşturduğunu görüyoruz. Bu bileşenlerin vazgeçilmez olduğu varsayımına meydan okuyor ve bunları daha hafif alternatiflerle değiştiriyoruz. 1.3B varyantımız, tek bir B200 GPU'da kare başına 36 ms veya saniyede 28 yanıt (RPS) hızında çalışır ve neredeyse 8 kat daha yavaş olan son teknoloji ürünü bir modelin üretim kalitesiyle eşleşir. 14B varyantımız, 8x B200 GPU düğümünde kare başına 45 ms veya 22 RPS hızında çalışır ve önemli ölçüde daha iyi görsel kalite ve gerçekçilik sağlar. FastFrames'in kamera koşullu ve fizik koşullu video oluşturma gibi uygulamalarda gerçek zamanlı etkileşime olanak sağladığını gösteriyoruz.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Autoregressive video diffusion models generate frames based on new observations and inputs, making them a promising medium for interactive visual experiences. However, existing models are orders of magnitude too slow for fluid interaction. This paper introduces FastFrames, a family of fast autoregressive video diffusion models that achieves interactive latency without compromising quality. We profile the inference pipeline of state-of-the-art models and find that operations often treated as fixed implementation details, such as VAE decoding and KV cache updates, in fact account for over half of end-to-end inference latency. We challenge the assumption that these components are indispensable and replace them with lightweight alternatives. Our 1.3B variant runs at 36 ms per frame, or 28 responses per second (RPS), on a single B200 GPU while matching the generation quality of a state-of-the-art model that is nearly 8x slower. Our 14B variant runs at 45 ms per frame, or 22 RPS, on an 8x B200 GPU node and yields significantly better visual quality and realism. We show that FastFrames enables real-time interaction in applications such as camera-conditioned and physics-conditioned video generation.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{chou2026fastframes,
  title   = {FastFrames: Video Generation at Interactive Latency},
  author  = {Gene Chou and Guandao Yang and Fujun Luan and Lars Mescheder and Wei Dong and Stephan Richter and Vladlen Koltun},
  journal = {arXiv preprint arXiv:2611.23226},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.23226}
}
APA
Chou, G., Yang, G., Luan, F., Mescheder, L., Dong, W., Richter, S., & Koltun, V. (2026). FastFrames: Etkileşimli Gecikmede Video Oluşturma. arXiv. https://arxiv.org/abs/2611.23226
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.