في عالم توليد الفيديو، تُعَد نماذج انتشار الفيديو (Video Diffusion Models - VDMs) من أبرز التوجهات بفضل جودتها العالية في إنتاج المحتوى. ومع ذلك، فإن الإشكالية الرئيسية تكمن في تكلفتها الحاسوبية الباهظة، مما يعوق استخدامها في التطبيقات العملية بسهولة.

لحل هذه المعضلة، تم تطوير تقنيات التقطير السريع (few-step distillation) التي تسهم في تسريع عملية الاستنتاج بشكل كبير، ولكنها غالباً ما تفرض بنية نموذجية ثابتة على جميع مراحل إزالة الضوضاء، متجاهلة التفاوت في المتطلبات الحاسوبية عند مستويات الضوضاء المختلفة.

هنا تأتي الأبحاث الجديدة التي تقدم إطار عمل مبتكر لتسريع ما بعد التدريب، الذي يستغل هذه التكرارية من خلال دمج التخفيف الهيكلي الديناميكي (dynamic structural sparsification) مباشرة في عملية التقطير. ما يميز هذا النهج أنه يقوم بتحسين خطوات إزالة الضوضاء وامتصاص النموذج الهيكلي معًا، ما يحول نموذج VDM المدرب مسبقًا إلى مزيج من النماذج (Mixture-of-Models - MoM) فعال للغاية.

لمعالجة عدم الاستقرار الذي ينشأ من هذه العملية المشتركة، تم إدراج استراتيجية تدريب تصاعدي (Progressive Training Strategy) مع آلية لتدوير المخرجات، مما يضمن التعلم المتماسك للقرارات الهيكلية عبر خطوات الوقت. بالإضافة إلى ذلك، تم تطوير محرك استنتاج خاص من أجل نشر M o M الناتج بكفاءة.

تُظهِر نتائج الدراسة على نموذج Wan-14B إزالة 24% من العمليات الحسابية لكل خطوة، على الرغم من استخدام تقنيات التقطير لمدة أربع خطوات، مما يحقق مكسبًا مضاعفًا في سرعة التنفيذ يقدر بـ 1.2 ضعف، ويصل إلى 30 ضعف مقارنةً بالمعلم الذي يستخدم 50 خطوة، بينما يحافظ على جودة جيل تنافسية.

في ظل هذه الابتكارات، هل تعتقد أن مستقبل توليد الفيديو سيشهد قفزات أكبر بفضل الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!