HyperVAttention：免训练稀疏注意力加速视频扩散
热点事件持续更新
HyperVAttention：免训练稀疏注意力加速视频扩散
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Dongyeun Lee 等作者提出免训练稀疏注意力框架 HyperVAttention（HVA），用于视频扩散模型。该方法通过 3D 局部窗口聚类与混合聚类策略降低聚类开销，并用硬件感知的簇合并提升 CTA 利用率。 在 HunyuanVideo 上，HVA 相比全注意力实现 2.13 倍加速，其快速变体 HVA-Flash 达 2.23 倍；作者称在相近延迟下其保真度高于 SVG2。该工作已被 NeurIPS 2026 接收。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
HyperVAttention：面向视频扩散的时空聚类高效稀疏注意力报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIHyperVAttention：面向视频扩散的时空聚类高效稀疏注意力
HyperVAttention（HVA）是一种免训练稀疏注意力框架，通过 3D 局部窗口聚类与混合聚类策略降低聚类开销，并用硬件感知的簇合并提升 CTA 利用率。在 HunyuanVideo 上，HVA 相比全注意力实现 2.13× 加速，其快速变体 HVA-Flash 达 2.23×，且在相近延迟下保真度高于 SVG2。该工作已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。