Next-Frame Diffusion是什么

Next-Frame Diffusion（NFD）是北京大学和微软研究院联合推出的自回归视频生成模型，结合扩散模型的高保真生成能力和自回归模型的因果性和可控性。Next-Frame Diffusion基于块因果注意力机制（Block-wise Causal Attention）和扩散变换器（Diffusion Transformer）实现高效的帧级生成。模型在保持视频质量和连贯性的同时，实现超过30FPS的实时视频生成。模型引入、一致性蒸馏（Consistency Distillation）和推测性采样（Speculative Sampling）等技术，进一步提升采样效率。模型在大规模动作条件视频生成任务中表现出色，显著优于现有方法。