Q-ARVD: NUS, autoregressive 비디오 확산 모델을 위한 양자화 프레임워크 — 프레임별 민감도 불균형 해결

NUS 팀이 autoregressive video diffusion model(ARVD)의 추론 비용을 줄이기 위한 양자화 프레임워크 Q-ARVD를 제안했습니다. 기존 양자화 기법을 ARVD에 직접 적용하면 프레임별 민감도가 지수적으로 감소하는 불균형과 가중치의 이질적 outlier 채널 문제가 발생하는데, Q-ARVD는 최종 품질을 고려한 프레임 가중치와 outlier 인식 이중 스케일 양자화로 이 문제를 해결합니다. 실험 결과, 기존 방법 대비 비트 폭을 줄이면서도 생성 품질 저하를 최소화했다고 합니다.

• #quantization
• #video-generation
• #diffusion-models
• #autoregressive
• #nus