GRACE：面向视频生成的高效潜空间压缩
AI 总结
arXiv 论文提出 GRACE（Generation-Aware Latent Compression for Efficient Video Generation），一个两阶段框架：在保留预训练视频自编码器冻结的基础潜变量的同时，学习一个残差潜变量来承载高压缩比下丢失的信息，并在冻结 DiT 的特征空间中对齐压缩后的潜变量，使自编码器针对生成任务优化；随后用轻量微调与非对称去噪（基础先于残差去噪）适配 DiT。作者称该方法在 480x832x81 设置下将 Wan2.1-I2V-14B 的 token 数减少 8 倍、时延降低 11.1 倍，并在 VBench 上达到压缩前流水线的生成质量。
深度见解
若结果可复现，这类潜空间压缩思路有望降低视频扩散模型的推理成本，但目前仅在单一模型和基准上得到验证。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2610.10524 (cs)
[Submitted on 7 Oct 2026]
Title:GRACE: Generation-aware latent compression for efficient video generation
Authors:Jiyoung Kim, Paul Hyunbin Cho, Jisu Nam, Donghoon Lee, Hyunsung Go, Yeonkyeong Lee, Hansaem Kim, Seungryong Kim
View a PDF of the paper titled GRACE: Generation-aware latent compression for efficient video generation, by Jiyoung Kim and 7 other authors