ViRDM 在 few-step 视频蒸馏中移除教师和评论器

ViRDM 的作者提出了一种无需判别器和评论器的视频生成器后训练方法，可降低显存占用。该工作于 2026 年 9 月 24 日发表在 arXiv 上。原本需要三个网络——教师、评论器和生成器——现在只剩下生成器，它被拟合到预先计算好的目标表示分布上。作者没有公开代码。

这意味着什么

这条简讯涉及 few-step causal video generation 方向，而在我们的视频生成器栏目中，目前还没有以单独工具形式收录该方向。主题上最接近的工具页面是 LTX-Video、CogVideoX（智谱 CogVideoX） 和 Maestro，它们描述的是普通 diffusion 模型，而不是通过 distribution matching 进行后训练的 few-step 自回归生成器。 LTX-Video 采用 Apache-2.0 开源，其模型权重对营收达到 1000 万美元以上的公司需要单独许可证，而据作者描述，该模型在 1 GB 显存下即可运行。CogVideoX 的代码采用 Apache-2.0，模型权重使用自有许可证，商用需注册；参数表中标注的平台为 CUDA。Maestro 是基于 WanGP 的本地工作室，代码为非商业许可证，使用 MiniMax H3 权重，需要至少 12 GB 显存。 ViRDM 是一项研究工作，没有公开代码，也没有标明许可证。在该方法变成可用工具之前，还无法就硬件要求或使用条件将其与指南中的工具页面进行比较。