Radial Attention
[NeurIPS 2025] Radial Attention: O(nlogn) Sparse Attention with Energy Decay for Long Video Generation
Über
Radial Attention ist ein skalierbarer sparsamer Aufmerksamkeitsmechanismus, der Videodiffusionsmodelle verbessert, indem er eine rechnerische Komplexität von O(n log n) erreicht. Er nutzt physik-inspirierte Sparsamkeit, um räumlich lokale und zeitlich abnehmende Aufmerksamkeit durchzusetzen, was die Energieabgabe in physikalischen Systemen widerspiegelt. Dieser Ansatz ermöglicht die effiziente Generierung längerer Videos bei gleichzeitiger Beibehaltung hoher Qualität, was ihn für Anwendungen in der Videoerzeugung und -verarbeitung geeignet macht.
Open Source Health
- Stars
- 607
- Forks
- 34
- License
- Apache-2.0
- Last commit
- 11 months ago
Alternativen zu Radial Attention
The Algorithmvon TwitterQuellcode für den X Recommendation Algorithm.
Recommendersvon TensorFlowTensorFlow Recommenders ist eine Bibliothek zum Erstellen von Empfehlungsmodell-Systemen mit TensorFlow.- RPG_KDD2025von FacebookresearchDieses Repository bietet den Code zur Implementierung von RPG, wie in unserem KDD'25-Paper "Generierung von langen semantischen IDs in Parallel für Empfehlungen" beschrieben.
- Pairecvon AlibabaEin Go-Web-Framework zum schnellen Aufbau von Empfehlungsdiensten basierend auf JSON-Konfiguration.
Textrankvon Summa NLPTextRank-Implementierung für Python 3.
Ressourcen & Links
Verwandte Kategorien
Nutzt du Radial Attention?
Behalte die Kosten neben dem Rest deines Stacks im Blick und lass dich vor der Verlängerung erinnern.
Zu meinem Stack hinzufügenAnbieter
MIT HAN Lab
Efficient AI Computing. PI: Song Han
