GRACE: Generation-aware latent compression for efficient video generation
Aggiunta all'archivio di AIChronos il (numero del 8 ottobre 2026 ricostruito)· fonte del · Jiyoung Kim, Paul Hyunbin Cho, Jisu Nam, Donghoon Lee, Hyunsung Go, Yeonkyeong Lee (KAIST AI)
GRACE è un framework a due stadi che comprime gli autoencoder video pre-addestrati mantenendoli compatibili con i Diffusion Transformer (DiT) originali. Il metodo preserva una latente di base congelata dall'encodatore pre-addestrato e impara una latente residua per recuperare le informazioni perse sotto compressione più forte, allineando la latente compressa allo spazio delle caratteristiche del DiT originale. Successivamente, il modello viene adattato tramite fine-tuning leggero e asymmetric denoising, dove la base è pulita dal rumore prima della parte residua.
- Riduce di 8x il numero di token per Wan2.1-I2V-14B a risoluzione 480x832x81.
- Abbassa la latenza dell'inferenza fino a 11.1 volte rispetto al pipeline originale compresso.
- Mantiene una qualità generativa paragonabile a quella del modello pre-addestrato su VBench.
- Utilizza un approccio di allineamento nello spazio delle feature per evitare lo sfasamento della distribuzione latente.
Perché conta. Per gli sviluppatori che lavorano con AI locale o modelli video, GRACE offre una via pratica per accelerare l'inferenza riducendo drasticamente il consumo di memoria e la latenza senza sacrificare la qualità.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.