机器之心编辑部
实时 AI 视频天生来了！
本周三，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，基于 DiT 的视频天生方法。
该技能名为 Pyramid Attention Broadcast （PAB）。通过减少冗余把稳力打算，PAB 实现了高达 21.6 FPS 的帧率和 10.6 倍的加速，同时不会捐躯包括 Open-Sora、Open-Sora-Plan 和 Latte 在内的盛行基于 DiT 的视频天生模型的质量。值得把稳的是，作为一种不须要演习的方法，PAB 可以为任何未来基于 DiT 的视频天生模型供应加速，让其具备实时天生的能力。
自今年起，OpenAI 的 Sora 和其他基于 DiT 的视频天生模型引起了 AI 领域的又一波浪潮。然而与图像天生比较，人们对付视频天生的关注点基本都在于质量，很少有研究专注于探索如何加速 DiT 模型推理。加速视频天生模型的推理对付天生式 AI 运用来说已经是当务之急。
PAB 方法的涌现，为我们打开了一条路。
原始方法与 PAB 视频天生速率的比较。作者在 Open-Sora 上测试了 5 个 4s（192 帧）480p 分辨率的视频。
GitHub 链接：https://github.com/NUS-HPC-AI-Lab/OpenDiT?tab=readme-ov-file#pyramid-attention-broadcast-pab-blogdoc
金字塔式把稳力广播
近期，Sora 和其他基于 DiT 的视频天生模型引起了广泛关注。然而，与图像天生比较，很少有研究专注于加速基于 DiT 的视频天生模型的推理。此外，天生单个视频的推理本钱可能很高。
图 1：当前扩闲步骤和先前扩闲步骤之间的把稳力输出差异，利用均方偏差 (MSE) 对差异进行量化。
实现
这项研究揭示了视频扩散 transformer 中把稳力机制的两个关键不雅观察结果：
首先，不同韶光步骤的把稳力差异呈现出 U 形模式，在最初和末了 15% 的步骤中发生显著变革，而中间 70% 的步骤则非常稳定，差异很小。
其次，在稳定的中间段内，把稳力类型之间存在差异：空间把稳力变革最大，涉及边缘、纹理等高频元素；韶光把稳力表现出与视频中的运动和动态干系的中频变革；跨模态把稳力是最稳定的，将文本与视频内容联系起来，类似于反响文本语义的低频旗子暗记。
基于此，研究团队提出金字塔式把稳力广播来减少不必要的把稳力打算。在中间部分，把稳力表现出眇小的差异，该研究将一个扩闲步骤的把稳力输出广播到几个后续步骤，从而显著降落打算本钱。
此外，为了更有效的打算和最小的质量丢失，作者根据不同把稳力的稳定性和差异性设置了不同的广播范围。纵然没有后期演习，这种大略而有效的策略也能实现高达 35% 的加速，同时天生内容的质量丢失可以忽略不计。
图 2：该研究提出了金字塔式把稳力广播，个中根据把稳力差异为三个把稳力设置不同的广播范围。把稳力变革越小，广播范围越广。在运行时，该方法将把稳力结果广播到接下来的几个步骤，以避免冗余的把稳力打算。x_t 指的是韶光步 t 的特色。
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。当时间把稳力得到传播时，则可以避免所有通信。
为了进一步提升视频天生速率，本文基于 DSP 来改进序列并行。序列并行将视频分割为跨多个 GPU 的不同部分，从而减少了每个 GPU 的事情负载并降落了天生延迟。不过，DSP 引入了大量的通信开销，须要为韶光把稳力准备两个 All to All 通信。
通过在 PAB 中传播韶光把稳力，本文不再须要对韶光把稳力进行打算，由此减少了通信。相应地，通信开销大幅降落了 50% 以上，使得实时视频天生可以进行更高效的分布式推理。
评估结果
加速
下图为不同模型在 8 块英伟达 H100 GPU 上天生单个视频时，丈量得到的 PAB 总延迟。当利用单块 GPU 时，作者实现了 1.26 至 1.32 倍的加速，并在不同的调度器中保持稳定。
当扩展到多块 GPU 时，本文方法实现了 10.6 倍的加速，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。
定性结果
以下三个视频分别为 Open-Sora、Open-Sora-Plan 和 Latte 三个不同的模型利用原始方法与本文方法的效果比拟。可以看到，本文方法在不同的 GPU 数量下均实现了不同程度的 FPS 加速。
视频链接：https://mp.weixin.qq.com/s/tidE-qSM3nZ8kUfjNcpMZA
定量结果
下表为 Open-Sora、Open-Sora-Plan 和 Latte 三个模型的 LPIPS（学习感知图像块相似度）和 SSIM（构造相似度）指标结果。
更多技能细节和评估结果可以查看即将推出的论文。
项目地址：https://oahzxl.github.io/PAB/
参考链接：
https://oahzxl.github.io/PAB/
