英伟达与MIT开源视频增强模型权重

英伟达与 MIT 研究人员组成的 Efficient-Large-Model 团队在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重，配套推理代码在 NVlabs/Sana 仓库开放。该方案基于 MiniMax H3，把低分辨率视频草稿重新生成为高分辨率视频，支持 2560×1440 的 2K 输出，最高可实现 3840×2160 的原生 4K 重生成；训练细化模型时保持 H3 Transformer 主干与视频 VAE 参数不变，只训练新增的细化 LoRA。 在单张 NVIDIA B200 GPU、预热后的测试条件下，一段约 5 秒视频的潜空间放大、三步细化和 2K 解码合计耗时由未优化实现的 87.26 秒降至 22.45 秒，约为原来的 3.9 倍；在相同输入、相同 2K 输出条件下，该项目在感知质量评测 UniPercept 上平均分为 60.0，官方 H3-Regenerate-2K API 为 53.4。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。