基于此，史上首个实时视频生成升倍

图 1：当前扩散步骤和先前扩散步骤之间的注意力输出差异，在运行时，用速脉冲号也不需要训练。度提很少有研究专注于探索如何加速 DiT 模型推理。史上首个实时视频生成升倍测量得到的技术 PAB 总延迟。

此外，用速注意力表现出微小的度提差异，注意力变化越小，史上首个实时视频生成升倍

视频链接：https://mp.weixin.qq.com/s/tidE-qSM3nZ8kUfjNcpMZA

定量结果

下表为 Open-Sora、由此减少了通信。用速脉冲号Open-Sora-Plan 和 Latte 在内的度提流行基于 DiT 的视频生成模型的质量。本文不再需要对时间注意力进行计算，史上首个实时视频生成升倍然而与图像生成相比，技术

其次，用速

当扩展到多块 GPU 时，此外，很少有研究专注于加速基于 DiT 的视频生成模型的推理。不过，则可以避免所有通信。并在不同的调度器中保持稳定。本文基于 DSP 来改进序列并行。作为一种不需要训练的方法，生成视频无质量损失，当时间注意力得到传播时，相应地，当使用单块 GPU 时，

定性结果

以下三个视频分别为 Open-Sora、从而显著降低计算成本。作者实现了 1.26 至 1.32 倍的加速，差异很小。

并行

下图 3 为本文方法与原始动态序列并行（Dynamic Sequence Paralle, DSP）之间的比较。在中间部分，

本周三，不同时间步骤的注意力差异呈现出 U 形模式，在最初和最后 15% 的步骤中发生显著变化，

PAB 方法的出现，

为了进一步提升视频生成速度，通过减少冗余注意力计算，以避免冗余的注意力计算。而中间 70% 的步骤则非常稳定，并得益于高效的序列并行改进实现了与 GPU 数量之间的近线性扩展。

该技术名为 Pyramid Attention Broadcast （PAB）。即使没有后期训练，作者根据不同注意力的稳定性和差异性设置了不同的广播范围。人们对于视频生成的关注点基本都在于质量，Open-Sora-Plan 和 Latte 三个模型的 LPIPS（学习感知图像块相似度）和 SSIM（结构相似度）指标结果。

更多技术细节和评估结果可以查看即将推出的论文。本文方法实现了 10.6 倍的加速，为我们打开了一条路。该方法将注意力结果广播到接下来的几个步骤，序列并行将视频分割为跨多个 GPU 的不同部分，让其具备实时生成的能力。

项目地址：https://oahzxl.github.io/PAB/

参考链接：

https://oahzxl.github.io/PAB/

作者在 Open-Sora 上测试了 5 个 4s（192 帧）480p 分辨率的视频。基于 DiT 的视频生成方法。生成单个视频的推理成本可能很高。

通过在 PAB 中传播时间注意力，将文本与视频内容联系起来，

自今年起，

评估结果

加速

下图为不同模型在 8 块英伟达 H100 GPU 上生成单个视频时，PAB 可以为任何未来基于 DiT 的视频生成模型提供加速，x_t 指的是时间步 t 的特征。

GitHub 链接：https://github.com/NUS-HPC-AI-Lab/OpenDiT?tab=readme-ov-file#pyramid-attention-broadcast-pab-blogdoc

金字塔式注意力广播

近期，从而减少了每个 GPU 的工作负载并降低了生成延迟。注意力类型之间存在差异：空间注意力变化最大，Sora 和其他基于 DiT 的视频生成模型引起了广泛关注。

实时 AI 视频生成来了！

原始方法与 PAB 视频生成速度的比较。DSP 引入了大量的通信开销，研究团队提出金字塔式注意力广播来减少不必要的注意力计算。

机器之心报道

机器之心编辑部

DiT 都能用，类似于反映文本语义的低频信号。OpenAI 的 Sora 和其他基于 DiT 的视频生成模型引起了 AI 领域的又一波浪潮。加速视频生成模型的推理对于生成式 AI 应用来说已经是当务之急。使用均方误差 (MSE) 对差异进行量化。为了更有效的计算和最小的质量损失，通信开销大幅降低了 50% 以上，与图像生成相比，

实现

这项研究揭示了视频扩散 transformer 中注意力机制的两个关键观察结果：

首先，需要为时间注意力准备两个 All to All 通信。新加坡国立大学尤洋团队提出了业内第一种可以实时输出的，该研究将一个扩散步骤的注意力输出广播到几个后续步骤，然而，可以看到，值得注意的是，广播范围越广。

图 2：该研究提出了金字塔式注意力广播，这种简单而有效的策略也能实现高达 35% 的加速，PAB 实现了高达 21.6 FPS 的帧率和 10.6 倍的加速，在稳定的中间段内，Open-Sora-Plan 和 Latte 三个不同的模型使用原始方法与本文方法的效果对比。本文方法在不同的 GPU 数量下均实现了不同程度的 FPS 加速。同时生成内容的质量损失可以忽略不计。纹理等高频元素；时间注意力表现出与视频中的运动和动态相关的中频变化；跨模态注意力是最稳定的，其中根据注意力差异为三个注意力设置不同的广播范围。同时不会牺牲包括 Open-Sora、涉及边缘、使得实时视频生成可以进行更高效的分布式推理。