Skip to content
简体中文

切换主题

arXiv 2610.05416 · cs.CV · 2026-10-04

Prism: Dynamic Sparse Attention for Native 2K Joint Video-Audio Generation Model Training

Shuyuan Tu, Qi Tian, Yinming Huang, Yue Wu, Xintong Han, Kaihang Pan, Weijie Kong, Jiangfeng Xiong 等 11 人

Tencent Hunyuan

在最新榜 #166 本站收录于 2026-10-21

一句话要点

Prism 动态稀疏注意力聚焦发声区域,用于原生 2K 音视频联合生成模型的训练。

Prism is dynamic sparse attention that focuses on sound-producing regions for training native 2K joint video-audio models.

21HF 点赞
619GitHub stars
1引用(Semantic Scholar)
54.8热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-22。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)