Helios：实时长视频生成模型
计算机视觉与模式识别
2026-03-05 v1
摘要
我们介绍 Helios，这是首个在单张 NVIDIA H100 GPU 上以 19.5 FPS 运行的 14B 视频生成模型，支持分钟级生成，同时匹配强基准的质量。我们在三个关键维度实现突破：（1）对长视频漂移的鲁棒性，无需常用的防漂移技巧如自我强制、错误库或关键帧采样；（2）实时生成，无需常规加速技术如 KV 缓存、稀疏/线性注意力或量化；（3）训练时无需并行或分片框架，即可实现图像扩散模型规模的 batch 大小，同时在 80 GB GPU 内存内容纳最高四个 14B 模型。具体而言，Helios 是一个 14B 自回归扩散模型，采用统一输入表示，原生支持 T2V、I2V 和 V2V 任务。为缓解长视频生成中的漂移，我们刻画典型失效模式，提出简单且有效的训练策略，显式模拟漂移，同时消除重复运动的根源。就效率而言，我们严重压缩历史和噪声上下文，减少采样步数，计算成本相当于或低于 1.3B 视频生成模型。此外，我们引入基础设施级优化，加速推理和训练，同时降低内存消耗。广泛实验表明，Helios 在短视频和长视频生成上均一致优于先前方法。我们计划发布代码、基座模型和蒸馏模型，以支持社区进一步发展。
引用
@article{arxiv.2603.04379,
title = {Helios: Real Real-Time Long Video Generation Model},
author = {Shenghai Yuan and Yuanyang Yin and Zongjian Li and Xinwei Huang and Xiao Yang and Li Yuan},
journal= {arXiv preprint arXiv:2603.04379},
year = {2026}
}
备注
Page: pku-yuangroup.github.io/Helios-Page