This work introduces Video Diffusion Transformer (VDT), which pioneers the use of transformers in diffusion-based video generation. It features transformer blocks with modularized temporal and spatial attention modules, allowing separate optimization of each component and leveraging the rich spatial-temporal representation inherited from ...

2024年1月16日 · This work introduces Video Diffusion Transformer (VDT), which pioneers the use of transformers in diffusion-based video generation. It features transformer blocks with modularized temporal and spatial attention modules to leverage the rich spatial-temporal representation inherited in transformers.

2024年2月28日 · vdt的性能评测. 通过上述方法，vdt 模型不仅可以无缝地处理无条件视频生成和视频预测任务，还能够通过简单地调整输入特征，扩展到更广泛的视频生成领域，如视频帧插值等。

2024年2月25日 · 研究团队提出了 基于 Transformer 的 Video 统一生成框架 - Video Diffusion Transformer (VDT)，并对采用 Transformer 架构的原因给出了详细的解释。 与主要为图像设计的 U-Net 不同，Transformer 能够借助其强大的 token 化和 注意力机制，捕捉长期或不规则的时间依赖性，从而更好地处理时间维度。 只有当模型学习（或记忆）了世界知识（例如空间时间关系和物理法则）时，才能生成与现实世界相符的视频。 因此，模型的容量成为视频扩散的一个关键 …

2025年2月27日 · Leveraging the advancement of the state understanding of Visual Language Model (VLM), incorporating with diffusion Transformer-based action generation, our VDT-Auto parses the environment geometrically and contextually for the conditioning of …

2024年2月26日 · VDT: General-purpose Video Diffusion Transformers via Mask Modeling. 论文地址： https://arxiv.org/abs/2305.13311. 代码地址： https://github.com/RERV/VDT. VDT的优越性与创新之处. 研究者表示，采用 Transformer 架构的 VDT 模型，在视频生成领域的优越性体现在：

2025年2月21日 · 本文提出了一种具备跨城市迁移性的轨迹生成模型（gtg）：首先基于空间句法理论提取路网的拓扑特征；然后设计了解耦对抗训练方法学习城市无关的道路表征，实现跨城市的出行代价预测；最后通过最短路搜索为新城市生成轨迹数据。

2023年5月22日 · This work introduces Video Diffusion Transformer (VDT), which pioneers the use of transformers in diffusion-based video generation. It features transformer blocks with modularized temporal and...

This work introduces Video Diffusion Transformer (VDT), which pioneers the use of transformers in diffusion-based video generation. It features transformer blocks with modularized temporal and spatial attention modules, allowing separate optimization of each component and leveraging the rich spatial-temporal representation inherited from ...

2024年2月24日 · 在分析了vdt作业者骨骼肌疲劳的表现形式及其影响因素的基础上，根据工效学的理论与方法，以gb／t10000-1988我国成年人人体尺寸数据的p5女和p9男为基础，并考虑衣着、坐姿等功能修正量给出了vdt工作站人机界面参数的推荐值，结合vdt作业的特点讨论了vdt作业 ...