WorldCrafter Consistent Video World Model with Implicit 3D-aware Memory paper: https://huggingface...
DịchWorldCrafter là mô hình thế giới video đột phá, tích hợp khả năng ghi nhớ không gian 3D ẩn giúp duy trì tính nhất quán hình ảnh vượt trội trong các video được tạo ra.
KATok là mô hình VAE dựa trên Transformer có khả năng tự động loại bỏ các token dư thừa trong video, giúp nén dữ liệu hiệu quả hơn dựa trên độ phức tạp của nội dung thay vì dùng tỷ lệ cố định.
DịchV-RAE thay thế không gian tiềm ẩn VAE truyền thống bằng biểu diễn từ các mô hình thị giác nền tảng (như DINOv3, SigLIP2), giúp tăng tốc độ hội tụ gấp 6 lần và cải thiện đáng kể độ mượt mà của video.
AK@_akhaliq
