為(wéi )了實(shí)現(xiàn)(xiàn )長(zhǎng)視頻生成能力(lì ),我們提出了(le )一種擴(kuò)散強(qiáng)迫(pò )(diffusion forcing)后訓(xùn)練方法。與從零(líng )開始(shǐ )訓(xùn)練(liàn )擴(kuò)散(sàn )強(qiáng)迫模(mó )型不同,我們通過微(wēi )調(diào)(diào )預(yù)訓(xùn)練的擴(kuò)散模型,將其轉(zhuǎn)化為擴(kuò)散強(qiáng)迫(pò )模型。這種方法不僅減少了訓(xùn)練成本,還顯著提(tí )高了生成效率。
版權(quán)所有 ? 2025 青龍影院 保留所有權(quán)利