Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型
Prompt 语宙 > AIGC 资讯 > GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型
AIGC 资讯

GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型

Prompt 语宙研究院
最近更新: 2026年6月7日 下午8:03
AI智能体 AI视频生成 Sora 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 融合自回归与扩散框架,GPDiT可预测未来潜在帧,提升长视频的时间一致性与运动连贯性。
  • 轻量级因果注意力与无参数旋转基时间条件机制,降低计算成本,同时保留生成性能。
  • 除视频生成外,GPDiT还适用于视频表示、少样本学习和多任务视频处理,泛化能力较强。

GPDiT是什么

GPDiT(Generative Pre-trained Autoregressive Diffusion Transformer)是北京大学、清华大学、StepFun公司及中国科学技术大学推出的新型视频生成模型,模型结合扩散模型和自回归模型的优势,基于自回归方式预测未来的潜在帧,自然地建模运动动态和语义一致性。GPDiT引入轻量级因果注意力机制,减少计算成本,推出一种无参数的旋转基时间条件策略,有效编码时间信息。GPDiT在视频生成、视频表示和少样本学习任务中均表现出色,展示了在多种视频建模任务中的多功能性和适应性。

阅读目录
  • GPDiT是什么
  • GPDiT的主要功能
  • GPDiT的技术原理
  • GPDiT的项目地址
  • GPDiT的应用场景

GPDiT

GPDiT的主要功能

  • 高质量视频生成:生成具有高时间一致性和运动连贯性的长序列视频。
  • 视频表示学习:基于自回归建模和扩散过程,学习视频的语义和动态表示,用在下游任务。
  • 少样本学习:够快速适应多种视频处理任务,如风格转换、边缘检测等。
  • 多任务学习:支持多种视频处理任务,如灰度转换、深度估计、人物检测等。

GPDiT的技术原理

  • 自回归扩散框架:基于自回归方式预测未来的潜在帧,自然地建模运动动态和语义一致性。
  • 轻量级因果注意力:引入种轻量级因果注意力机制,消除训练期间干净帧之间的注意力计算,减少计算成本,不降低生成性能。
  • 旋转基时间条件机制:推出一种无参数的旋转基时间条件策略,将噪声注入过程重新解释为数据和噪声分量定义的复平面上的旋转,去除adaLN-Zero及相关参数,有效编码时间信息。
  • 连续潜在空间:在连续潜在空间中进行建模,增强了生成质量和表示能力。

GPDiT的项目地址

  • arXiv技术论文:https://arxiv.org/pdf/2505.07344

GPDiT的应用场景

  • 视频创作:生成高质量视频,用在广告、影视、动画等。
  • 视频编辑:实现风格转换、色彩调整、分辨率提升等。
  • 少样本学习:快速适应人物检测、边缘检测等任务。
  • 内容理解:自动标注、分类和检索视频内容。
  • 创意生成:激发艺术家和设计师的创意,生成艺术风格视频。
❓ 常见问题解答(FAQ)
GPDiT是什么视频生成模型?

GPDiT是北京大学、清华大学、StepFun公司及中国科学技术大学推出的视频生成模型,全称为 Generative Pre-trained Autoregressive Diffusion Transformer。它结合自回归与扩散建模,重点提升视频的运动动态、语义一致性和生成质量。

GPDiT相比传统视频模型有什么优势?

GPDiT的核心优势在于把自回归预测未来潜在帧与扩散过程结合起来,并引入轻量级因果注意力和无参数时间条件机制,从而在降低计算成本的同时,保持较好的长视频生成效果与表示能力。

GPDiT可以用于哪些实际任务?

GPDiT可用于高质量视频生成、视频表示学习、少样本学习和多任务视频处理,例如风格转换、边缘检测、灰度转换、深度估计、人物检测,以及内容理解、自动标注和检索等场景。

🔬 语宙深潜追问 · 进阶实操拆解
GPDiT 的混合架构强在哪?

它把扩散的画面质量和自回归的时序建模结合起来,既能保住细节,又更擅长处理动作连续性和语义一致性。对视频任务来说,这种组合通常比单一路线更容易兼顾稳定性与可控性。

视频模型落地最难的瓶颈是什么?

真正难点不只是生成清晰,而是长时序一致、角色不漂移和可控编辑。落地时要重点看数据覆盖、运动建模、推理成本和后处理链路,否则很容易出现“单帧好看、整段失真”的问题。

🗳️ 读者观点微投票 · 您的实战立场是?
视频生成该押扩散还是自回归?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • MagicDriveDiT – 华为联合港中文等机构推出的自动驾驶高分辨率长视频生成方法
  • DiT – 基于Transfomer架构的扩散模型
  • Video-T1 – 清华联合腾讯推出的视频生成技术
  • Pyramid-Flow – 北大、快手、北邮联合开源的AI视频生成模型
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
Ferret-UI 2 – 苹果推出的跨平台UI理解多模态大语言模型
NodeRAG – 开源基于异构图的智能检索与生成系统
成功人士共有的秘诀,亿万富翁 CEO 揭秘:“这是我决策的法宝” [译]
大语言模型提示工程综述:技巧与应用领域 [译]
ChatFlow开源发布:用AI工作流自动化,重塑软件开发与写作效率的革命性工具
TAGGED:AI智能体AI视频生成Sora开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 Neo-1 – VantAI 推出的首个原子生成式AI模型 Neo-1 – VantAI 推出的首个原子生成式AI模型
下一篇 Step1X-Edit – 阶跃星辰开源的通用图像编辑框架 Step1X-Edit – 阶跃星辰开源的通用图像编辑框架
Ad image
Ad image

最近更新

花旗银行、摩根大通与美国银行等多家大型商业银行收紧服务条款,明确用户授权第三方 AI 智能体受损需自行担责
哪怕被黑客盗刷也不赔!花旗、摩根大通与美银等五大银行集体改写条款:使用第三方AI智能体风险由客户全权自担,生态入口博弈全面打响
AIGC 资讯
LangSmith for Coding Agents 代码智能体按 PR 结果核算成本与 ROI 官方封面图
340亿美元编码AI开销如何算清账?LangSmith上线代码智能体ROI追踪:按PR结果归因成本、五大工具全统一与线程上下文通胀治理指南
最新趋势
Axiom Math 利用 AI 多智能体集群完成 1.5 万页有限单群分类定理(CFSG)与 7500 页 Stacks 项目数学形式化验证的可视化点阵图
4300万行代码堪比Linux内核!Axiom Math用AI智能体攻克1.5万页“庞大定理”与Stacks项目形式化验证:百个里程碑与分层多智能体架构全拆解
最新趋势
印度具身智能数据初创公司 Humyn Labs 联合创始人 Ishank Gupta(左)与 Manish Agarwal(右)
半年营收破千万且90%来自美国!印度物理AI数据创企Humyn Labs获4700万美元A轮:双摄硬件、2100万债权垫资与20国采集网全拆解
AIGC 资讯

相关推荐

网易有道开源数学推理模型子曰3:140亿参数,成本仅为通用模型十分之一,GAOKAO-Bench得分98.5
AI 工具AIGC 资讯

网易有道开源数学推理模型子曰3:140亿参数,成本仅为通用模型十分之一,GAOKAO-Bench得分98.5

Prompt 语宙研究院
K-12教育AI 低成本AI 开源大模型 数学推理模型 网易有道
PyVideoTrans – 开源的视频翻译和配音工具,支持多种语言
AIGC 资讯

PyVideoTrans – 开源的视频翻译和配音工具,支持多种语言

Prompt 语宙研究院
AI办公效率 AI音频与语音 OpenAI 开源大模型
港中文开源OpenGame框架:端到端生成可玩网页游戏,揭秘AI游戏开发新范式
AI 工具AIGC 资讯

港中文开源OpenGame框架:端到端生成可玩网页游戏,揭秘AI游戏开发新范式

Prompt 语宙研究院
GameCoder-27B OpenGame 代码生成 港中文 游戏智能体
松下联手UCLA发布OmniFlow:革命性多模态AI实现文本、图像、音频任意生成
AI 工具AIGC 资讯

松下联手UCLA发布OmniFlow:革命性多模态AI实现文本、图像、音频任意生成

Prompt 语宙研究院
AIGC OmniFlow 加州大学洛杉矶分校 多模态AI 松下
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.