DC-VideoGen：基于深度压缩视频自编码器的高效视频生成
计算机视觉与模式识别
2025-09-30 v1 人工智能
摘要
我们引入了DC-VideoGen，一个用于高效视频生成的训练后加速框架。DC-VideoGen可应用于任何预训练的视频扩散模型，通过将其适配到深度压缩潜在空间并进行轻量级微调来提高效率。该框架建立在两项关键创新之上：一个具有新颖的分块因果时间设计的深度压缩视频自编码器，在保持重建质量和对更长视频的泛化能力的同时，实现了32倍/64倍的空间压缩和4倍的时间压缩；以及AE-Adapt-V，一种鲁棒的适配策略，能够将预训练模型快速且稳定地迁移到新的潜在空间。使用DC-VideoGen适配预训练的Wan-2.1-14B模型在NVIDIA H100 GPU上仅需10个GPU日。加速后的模型在不牺牲质量的前提下，推理延迟比基础模型最多降低了14.8倍，并进一步在单张GPU上实现了2160x3840视频生成。代码：https://github.com/dc-ai-projects/DC-VideoGen。
引用
@article{arxiv.2509.25182,
title = {DC-VideoGen: Efficient Video Generation with Deep Compression Video Autoencoder},
author = {Junyu Chen and Wenkun He and Yuchao Gu and Yuyang Zhao and Jincheng Yu and Junsong Chen and Dongyun Zou and Yujun Lin and Zhekai Zhang and Muyang Li and Haocheng Xi and Ligeng Zhu and Enze Xie and Song Han and Han Cai},
journal= {arXiv preprint arXiv:2509.25182},
year = {2025}
}
备注
Tech Report. The first three authors contributed equally to this work