史上首个实时视频生成技术：通用，速度提升倍

机器之心报道

机器之心编辑部

DiT都能用，生成视频无质量损失，也不需要训练。实时AI视频生成来了！

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的视频生成方法。

该技术名为PyramidAttentionBroadcast（PAB）。通过减少冗余注意力计算，PAB实现了高达21.6FPS的帧率和10.6倍的加速，同时不会牺牲包括Open-Sora、Open-Sora-Plan和Latte在内的流行基于DiT的视频生成模型的质量。值得注意的是，作为一种不需要训练的方法，PAB可以为任何未来基于DiT的视频生成模型提供加速，让其具备实时生成的能力。

自今年起，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。然而与图像生成相比，人们对于视频生成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。加速视频生成模型的推理对于生成式AI应用来说已经是当务之急。

PAB方法的出现，为我们打开了一条路。

原始方法与PAB视频生成速度的比较。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

金字塔式注意力广播

近期，史上首个实时视频生成技术：通用，速度提升倍Sora和其他基于DiT的视频生成模型引起了广泛关注。然而，与图像生成相比，很少有研究专注于加速基于DiT的视频生成模型的推理。此外，生成单个视频的推理成本可能很高。

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，使用均方误差(MSE)对差异进行量化。

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，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，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，注意力类型之间存在差异：空间注意力变化最大，涉及边缘、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，将文本与视频内容联系起来，类似于反映文本语义的低频信号。

基于此，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。在中间部分，注意力表现出微小的差异，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，从而显著降低计算成本。

此外，为了更有效的计算和最小的质量损失，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。即使没有后期训练，这种简单而有效的策略也能实现高达35%的加速，同时生成内容的质量损失可以忽略不计。

图2：该研究提出了金字塔式注意力广播，其中根据注意力差异为三个注意力设置不同的广播范围。注意力变化越小，广播范围越广。在运行时，该方法将注意力结果广播到接下来的几个步骤，以避免冗余的注意力计算。x_t指的是时间步t的特征。

并行

下图3为本文方法与原始动态序列并行（DynamicSequenceParalle,DSP）之间的比较。当时间注意力得到传播时，则可以避免所有通信。

为了进一步提升视频生成速度，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的工作负载并降低了生成延迟。不过，DSP引入了大量的通信开销，需要为时间注意力准备两个AlltoAll通信。

通过在PAB中传播时间注意力，本文不再需要对时间注意力进行计算，由此减少了通信。相应地，通信开销大幅降低了50%以上，使得实时视频生成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H100GPU上生成单个视频时，测量得到的PAB总延迟。当使用单块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三个不同的模型使用原始方法与本文方法的效果对比。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（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。

项目地址：https://oahzxl.github.io/PAB/

参考链接：

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