DiT 都能用，生成视频无品质损失，也不需要训练。
及时 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及时输出的，鉴于 DiT 的视频生成步骤。
该技术名为 Pyramid Attention Broadcast （PAB）。通过减少冗余注意力盘算，PAB 实行了高达 21.6 FPS 的帧率和 10.6 倍的减速，同时不会牺牲包括 Open-Sora、Open-Sora-Plan 和 Latte 在内的流行鉴于 DiT 的视频生成模型的品质。值得注意的是，作为一种不需要训练的步骤，PAB 可以为任何未来鉴于 DiT 的视频生成模型提供减速，让其具备及时生成的能力。
自今年起，OpenAI 的 Sora 和其他鉴于 DiT 的视频生成模型引起了 AI 领域的又一波浪潮。然而与图象生成相比，人们对于视频生成的关注点基本都在于品质，很少有研讨专注于探索如何减速 DiT 模型推理。减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 步骤的出现，为我们打开了一条路。
原始步骤与 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
金字塔式注意力播送
近期，Sora 和其他鉴于 DiT 的视频生成模型引起了广泛关注。然而，与图象生成相比，很少有研讨专注于减速鉴于 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：当前散布步调和先前散布步调之间的注意力输出差距，使用均方误差 (MSE) 对差距进行量化。
实行
这项研讨揭示了视频散布 transformer 中注意力机制的两个关键观察结果：
首先，差别时候步调的注意力差距呈现出 U 形模式，在最初和最后 15% 的步调中发生显著变化，而中间 70% 的步调则非常稳定，差距很小。
其次，在稳定的中间段内，注意力类型之间存在差距：空间注意力变化最大，涉及边缘、纹理等高频元素；时候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。
鉴于此，研讨团队提出金字塔式注意力播送来减少不必要的注意力盘算。在中间部分，注意力表现出微小的差距，该研讨将一个散布步调的注意力输出播送到几个后续步调，从而显著降低盘算成本。
此外，为了更有效的盘算和最小的品质损失，作者根据差别注意力的稳定性和差距性设置了差别的播送范围。即使没有后期训练，这种简单而有效的策略也能实行高达 35% 的减速，同时生成内容的品质损失可以忽略不计。
图 2：该研讨提出了金字塔式注意力播送，其中根据注意力差距为三个注意力设置差别的播送范围。注意力变化越小，播送范围越广。在运行时，该步骤将注意力结果播送到接下来的几个步调，以避免冗余的注意力盘算。x_t 指的是时候步 t 的特征。
并行
下图 3 为本文步骤与原始动态序列并行（Dynamic Sequence Paralle, DSP）之间的比较。当时候注意力得到传播时，则可以避免所有通讯。
为了进一步提升视频生成速度，本文鉴于 DSP 来改进序列并行。序列并行将视频分割为跨多个 GPU 的差别部分，从而减少了每个 GPU 的工作负载并降低了生成延迟。不过，DSP 引入了大量的通讯开销，需要为时候注意力准备两个 All to All 通讯。
通过在 PAB 中传播时候注意力，本文不再需要对时候注意力进行盘算，由此减少了通讯。相应地，通讯开销大幅降低了 50% 以上，使得及时视频生成可以进行更高效的分布式推理。
评估结果
减速
下图为差别模型在 8 块英伟达 H100 GPU 上生成单个视频时，测量得到的 PAB 总延迟。当使用单块 GPU 时，作者实行了 1.26 至 1.32 倍的减速，并在差别的调度器中保持稳定。
当扩展到多块 GPU 时，本文步骤实行了 10.6 倍的减速，并得益于高效的序列并行改进实行了与 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 三个差别的模型使用原始步骤与本文步骤的效果对比。可以看到，本文步骤在差别的 GPU 数量下均实行了差别程度的 FPS 减速。
定量结果
下表为 Open-Sora、Open-Sora-Plan 和 Latte 三个模型的 LPIPS（学习感知图象块相似度）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/