radial-attention 的项目扩展与二次开发
2025-06-27 06:26:13作者:钟日瑜
项目的基础介绍
radial-attention
是由 MIT、NVIDIA、Princeton、UC Berkeley、Stanford 和 First Intelligence 等机构联合开发的一个开源项目。该项目提出了一种名为“Radial Attention”的稀疏注意力机制,用于视频扩散模型,能够将注意力分数分布中的时间能量衰减转化为指数衰减的计算密度。与传统的 O(n^2) 密集注意力或线性近似相比,Radial Attention 实现了 O(n log n) 的复杂度,同时保持了长视频的表现力。
项目的核心功能
- 物理启发稀疏性:静态掩码强制执行空间局部和时序衰减的注意力,反映了物理系统中能量耗散的特性。
- 高效长度扩展:通过轻量级 LoRA 调整,预训练模型(如 Wan2.1-14B、HunyuanVideo)可以扩展到 4 倍长度的视频,避免全模型重训练。
- 稀疏模式设计:计算密度模式将注意力图分为多个带,中心带具有完整的计算密度,而每个外带是前一个密度的一半。
- 性能提升:Radial Attention 将注意力的计算复杂度从 O(n^2) 降低到 O(n log n),在生成 500 帧的 720p 视频时,减少了 9 倍的注意力计算,实现了 3.7 倍的速度提升和 4.6 倍的调整成本节省。
项目使用了哪些框架或库?
- Python:作为主要的编程语言。
- PyTorch:用于深度学习模型的构建和训练。
- FlashAttention:用于加速注意力机制的实现。
- FlashInfer:用于快速和硬件友好的推理。
项目的代码目录及介绍
项目的主要代码目录结构如下:
examples/
:包含示例代码和脚本。radial_attn/
:实现 Radial Attention 的核心代码。scripts/
:包含项目运行的脚本,如推理脚本。.gitignore
:指定 Git 忽略的文件和目录。.gitmodules
:定义子模块。pre-commit-config.yaml
:配置 pre-commit 钩子。LICENCE.txt
:项目的许可协议文件。README.md
:项目的说明文档。requirements.txt
:项目的依赖文件。
对项目进行扩展或者二次开发的方向
- 兼容更多模型:扩展 Radial Attention 以支持更多类型的视频生成模型。
- 优化性能:进一步优化算法,提高计算效率,减少资源消耗。
- 增加自定义功能:允许用户自定义注意力模式,以满足不同的视频生成需求。
- 多 GPU 支持:实现多 GPU 训练和推理,以提高处理速度和吞吐量。
- 集成其他开源项目:与其他开源项目集成,如 ComfyUI,以提供更丰富的用户体验。
- 持续维护和更新:定期更新项目,修复 bug,增加新功能,以保持其活力和竞争力。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息010Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
504
42

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
10

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
193
279

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70