ViRDM发布：革新少步因果视频生成技术，显著提升生成效率与质量

摘要：ViRDM是一种无需教师模型和在线评论器的视频后训练方法，通过引入表示分布匹配（RDM）技术，显著降低了GPU内存使用量和训练时间，同时提升了少步因果视频生成的质量。该方法通过耦合随机截断的干净退出监督、轻量级VAE解码器和分阶段视频-雅可比积，解决了传统方法中存在的内存不可行梯度路径、视频优化独特性以及时间动态表示不足的问题。实验结果表明，ViRDM在VBench评估中得分达到84.87，超越了现有最佳少步因果视频生成基线方法。

---

技术背景与挑战

少步自回归（AR）视频扩散技术能够实现低延迟的流式生成，但现有后训练方法主要依赖于分布匹配蒸馏（DMD），需要依赖大型预训练教师模型和在线评论器来估计扩散分数的分布差异。这种方法虽然有效，但资源消耗巨大，难以满足实际应用中的效率需求。

ViRDM的核心创新

ViRDM通过以下创新解决了上述问题：

1. 表示分布匹配（RDM）技术：借鉴单步图像生成的RDM技术，将其系统性地应用于少步因果视频生成。
2. 无教师与无评论器设计：ViRDM无需依赖大型教师模型和在线评论器，仅通过预计算的目标分布对生成器进行后训练。
3. 内存高效性：通过随机截断的干净退出监督、轻量级VAE解码器和分阶段视频-雅可比积，ViRDM实现了内存高效的视频多步因果展开。
4. 时间动态补偿：引入了轻量级动态正则化技术，以补偿时间动态表示不足的问题。

实验结果与性能

ViRDM在VBench评估中表现出色，仅通过20次生成器迭代就达到了84.87的得分，超越了现有最佳少步因果视频生成基线方法0.36分，而所需训练时间仅为16个A100 GPU小时。此外，ViRDM还展示了在更低因果采样预算以及一、二、四步双向生成中的潜力。

技术亮点

• 资源高效性：显著降低了GPU内存使用量和训练时间。
• 性能提升：在VBench评估中得分达到84.87，超越了现有最佳基线方法。
• 创新性方法：通过RDM技术实现了无需教师模型和在线评论器的视频后训练。

行业影响与开发者建议

ViRDM的发布为视频生成领域带来了新的技术突破，尤其在资源受限的应用场景中具有重要意义。开发者可以利用ViRDM技术开发更高效的视频生成模型，提升用户体验。此外，ViRDM的创新方法也为其他领域的AI模型训练提供了新的思路。

未来展望

随着ViRDM技术的进一步发展，未来有望在视频生成、虚拟现实、增强现实等领域得到广泛应用，推动这些领域的创新和发展。

---

消息来源：Hugging Face Daily Papers (2026-09-24)

—— 完 ——

主题标签： #ViRDM 关注 #视频生成 关注 #RDM 关注 #AI模型训练 关注 #少步因果 关注