FlowBlending: 基于阶段感知的多模型采样，实现快速且高保真度的视频生成

本文解决了视频生成模型的计算成本问题。通过认识到模型能力的需求在视频生成的不同阶段有所不同，作者提出了一种新颖的采样策略 FlowBlending，它在最重要的阶段（早期和后期）使用大型模型，在中间阶段使用较小的模型。这种方法显著加快了推理速度，并减少了 FLOPs，而没有牺牲视觉质量或时间一致性。这项工作意义重大，因为它提供了一个实用的解决方案来提高视频生成的效率，使其更易于访问，并可能实现更快的迭代和实验。

• •提出了 FlowBlending，一种基于阶段感知的多模型采样策略，用于视频生成。
• •在对能力敏感的阶段（早期和后期）使用大型模型，在中间阶段使用较小的模型。
• •在不牺牲质量的前提下，实现了显著的加速（高达 1.65 倍）和 FLOPs 减少（57.35%）。
• •与现有的加速技术兼容，可以进一步加速。