PDMD
En liten ändring i hur snabba videogeneratorer tränas som filtrerar bort fel i träningssignalen, så att MiniMax-H3 kan göra video med ljud på fyra eller till och med två steg.
- Videogenerering
- Musik & ljud
1 / 5Principen: PDMD tar bort den del av uppdateringen som pekar längs granskarens uppskattade fel (r) [1]
Om PDMD[1][2][4][5]
PDMD (Projected Distribution Matching Distillation) är ett forskningsprojekt om att göra videogeneratorer snabbare. Sådana modeller bygger normalt upp en video i femtio steg eller fler. Med destillering lär man en snabb "elevmodell" att göra samma sak på några få steg, med hjälp av en granskarmodell som uppskattar hur elevens resultat skiljer sig från lärarens. Men granskaren gör själv fel, och de felen följer med in i elevens träning.
PDMD löser det med en enda rad kod. Den del av träningssignalen som pekar i samma riktning som skillnaden mellan elevens och granskarens resultat, en uppskattning av granskarens fel, tas bort. Enligt forskarna behövs ingen extra förlustfunktion, inget extra nätverk och ingen extra körning av modellen.
Forskarna har destillerat MiniMax-H3 (33 miljarder parametrar), som gör video i 1344x768 med ljud, till fyra steg och även till två. De har också testat metoden på Wan2.1-T2V-1.3B. Enligt deras mätningar på VideoGen-Eval och VBench får PDMD högre totalpoäng än de jämförda fyrstegsmetoderna, och för MiniMax-H3 till och med högre än den ursprungliga modellen med femtio steg.
Arbetet kommer från UC San Diego tillsammans med ByteDance. Koden finns på GitHub och vikterna på Hugging Face, där modellkorten anger Apache 2.0. Vikterna bygger på MiniMax-H3.
Det viktigaste[7][1]
- Obs: bygger på MiniMax H3, vars licens inte gäller i EU, Storbritannien, Sydkorea eller USA. För användning i Sverige krävs en separat licens från MiniMax, som de enligt licensen kan bevilja efter förfrågan.
- En enda rad kod som tar bort granskarmodellens fel ur träningssignalen, utan extra nätverk eller extra beräkningar.
- MiniMax-H3 gör video med ljud i 1344x768 på fyra steg, och även på två.
- Enligt forskarna 83,17 i totalpoäng på VideoGen-Eval med fyra steg, mot 82,41 för originalmodellen med femtio steg.
- Enligt forskarna bäst bland jämförda fyrstegsmetoder även på Wan2.1-T2V-1.3B (VBench 83,73).
- Vikter på Hugging Face, både som hela modeller och som LoRA.
Källor
- [1] PDMD — Projected Distribution Matching Distillation ↗UC San Diego och ByteDance Officiell sida pdmd2026.github.ioPublicerad okänt datum Läst 25 okt 2026
- [7] MiniMax H3 Community License Agreement ↗MiniMax Officiell sida huggingface.coPublicerad okänt datum Läst 25 okt 2026
- [5] Gemini 4 Argon, GPT 6.1 Sol, Dots, Claude Sonnet 5.5, Flux 3: AI NEWS ↗AI Search Nyhetsbrev aisearch.substack.comPublicerad 4 okt 2026 Läst 25 okt 2026
- [6] Gemini 4, GPT 6.1, Plasma conjecture, Napoleon code solved, OpenAI Dots, Claude Sonnet 5.5: AI NEWS ↗AI Search Video youtube.comPublicerad 3 okt 2026 Läst 25 okt 2026
- [2] PDMD: Projected Distribution Matching Distillation for Video Diffusion Models ↗arXiv Forskningsartikel arxiv.orgPublicerad 28 sep 2026 Läst 25 okt 2026
- [3]
- [4] pdmd2026/pdmd_4NFE_full ↗Hugging Face (pdmd2026) Modellkort huggingface.coPublicerad 27 sep 2026 Läst 25 okt 2026
Historik
Vår bedömning
Inte bedömd än. Alla kan ändra.
Kommentarer
Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.