在人工智能视频生成领域，扩散模型以其卓越的性能备受瞩目。然而，其固有的迭代去噪特性导致生成过程耗时且计算成本高昂，成为制约其广泛应用的关键瓶颈。近日，来自B北京航空大学、香港大学和上海人工智能实验室的研究团队联合发布了一项名为 AccVideo 的创新技术。该方法通过一种新颖高效的蒸馏方法，并结合合成数据集，成功将视频扩散模型的生成速度提升了惊人的8.5倍。
现有的视频扩散模型在生成高质量视频方面表现出色，但其迭代式的去噪过程需要大量的推理步骤。这意味着用户需要等待较长的时间才能获得最终的视频作品，同时也对计算资源提出了极高的要求，这无疑限制了其在实际应用中的普及。针对这一难题，研究人员一直在探索加速扩散模型的方法，而AccVideo的出现，无疑为解决这一挑战带来了全新的思路。
AccVideo的核心突破:合成数据与高效指导
AccVideo的核心在于其创新性的蒸馏方法，该方法巧妙地利用合成数据集来加速视频扩散模型。研究团队首先利用预训练的视频扩散模型生成多个有效的去噪轨迹，构建出高质量的合成数据集。与以往的蒸馏方法不同，AccVideo的方法避免了使用大量冗余数据点，从而提高了蒸馏效率。
在此基础上，AccVideo设计了一种基于轨迹的少步指导策略。该策略充分利用合成数据集中的关键数据点，使“学生”模型能够在更少的步骤内学习到“教师”模型（即预训练的视频扩散模型）的去噪过程，从而实现快速视频生成。
质量与效率并存:对抗训练提升视频品质
为了充分挖掘合成数据集在每个扩散时间步所捕获的数据分布信息，AccVideo还引入了对抗性训练策略。通过这种方式，AccVideo能够有效地对齐学生模型的输出分布与合成数据集的分布，从而显著提升生成视频的质量。
实验结果表明，AccVideo在保持与教师模型相当性能的同时，实现了高达8.5倍的生成速度提升。更令人 впечатляет的是，AccVideo还能够生成5秒、分辨率高达720x1280、帧率为24fps的高质量视频。与以往的加速方法相比，AccVideo在视频质量和分辨率方面均展现出更强的优势。
广泛的应用前景:高质量长视频生成不再是难题
AccVideo的突破性进展预示着高质量视频生成技术将迎来新的发展机遇。其高效的生成能力，结合出色的视频质量和分辨率，使其在文本到视频生成等领域展现出巨大的应用潜力。例如，用户可以通过简单的文本描述，快速生成长达5秒、画面细腻、内容丰富的视频内容，极大地拓展了视频创作的可能性。
从研究团队展示的定性结果来看，无论是描绘繁华东京街头的时尚女性，还是栩栩如生的动物场景，亦或是充满想象力的科幻画面，AccVideo都能够高质量地呈现。这充分证明了其在复杂场景和多样化主题上的强大生成能力。
AccVideo的发布，无疑是视频生成领域的一项重要里程碑。其8.5倍的加速效果和高质量的视频输出，有效解决了现有扩散模型速度慢、成本高的难题，为未来更广泛、更便捷的视频内容创作和应用奠定了坚实的基础。
项目:https://top.aibase.com/tool/accvideo
