Att påskynda AI-genererade videor har alltid varit en balansgång mellan kvalitet och hastighet. Nu har forskare löst problemet som gör att streaming av högkvalitativa videor går betydligt snabbare utan att detaljerna offras, vilket förvandlar en teoretisk flaskhals till en praktisk lösning för realtidsynthes.

Utmaningen ligger i hur dessa modeller fungerar. Till skillnad från textgeneratorer som bearbetar diskreta ord, hanterar videomodeller kontinuerliga pixelblock över tid. Det gör det nästan omöjligt att använda standardiserade verifieringsmetoder som kontrollerar individuella token. Om en genererad bildruta är felaktig har traditionell rejection sampling svårt att fånga subtila fel utan att sänka hastigheten till ett krypande tempo.

För att lösa detta presenterade teamet SDVG, som ersätter tokenkontroll med en router för bildkvalitet. En mindre utkastmodell föreslår kandidater till videoblock, vilka sedan betygsätts av en AI-domare som specifikt letar efter den sämsta bilden i varje klipp. Detta säkerställer att även små artefakter inte glider igenom. Systemet accepterar högkvalitativa block in i huvudmodellens minne medan dåliga omgenereras, med hjälp av en justerbar inställning som balanserar hastighet mot visuell trohet.

Resultaten är slående. På 1003 MovieGenVideoBench-prompts (832x480) uppnådde metoden en hastighetsökning på 1,59 gånger samtidigt som 98,1 % av kvaliteten behölls jämfört med långsammare standardmodeller. Genom att justera en parameter kan användaren öka hastigheten till nästan det dubbla samtidigt som över 95 % av kvaliteten behålls, vilket konsekvent slår befintliga metoder baserade endast på utkast med mer än 17 %. Det bästa är att detta ramverk inte kräver någon omträning eller arkitektoniska ändringar, vilket gör det till en omedelbar uppgradering för nuvarande videogenreringspipelines.