مدلهای تولید ویدیوی مبتنی بر ترنسفورمر (vDiT) اگرچه خروجیهای خیرهکنندهای دارند، اما به دلیل پردازشهای سنگین، بسیار کند و پرهزینه هستند. حالا محققان «Kaleido» را معرفی کردهاند؛ یک معماری جدید که با هماهنگسازی الگوریتم و سختافزار، پردازشهای اضافی را حذف میکند.
این نوآوری جذاب، با استفاده از همبستگیهای فضایی-زمانی در ویدیو، باعث شده است:
✅ تا ۵.۹ برابر افزایش سرعت پردازش
✅ تا ۱۶ برابر کاهش مصرف انرژی
✅ حفظ کیفیت بالای ویدیو نسبت به روشهای پیشین
به نظر میرسد با این دستاورد، فاصله ما با تولید ویدیوهای باکیفیت و آنی (Real-time) توسط هوش مصنوعی کمتر از همیشه شده است. نظر شما چیست؟ آیا سختافزارهای اختصاصی میتوانند مانع اصلیِ رشد مدلهای مولد ویدیو را بردارند؟
منبع: arXiv AI