以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Frontier video generation models work in a VAE latent space that compresses video in both space and time. This compression made training tractable, but now limits high-resolution, controllable, and interactive generation -- doubling resolution quadruples token count, conditions apply to groups of frames rather than ind
阅读原文 · Yanke Song, Shuo Chen, Chris Rockwell, Guande He, Nan Liu, Desai Xie, Tianpei Gu, Yong-Hyun Park, Aryan V S, Dennis Yuren Menn, Ming-Hsuan Yang, Xun Huang
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频生成这条线，过去两年几乎是“先压缩再生成”的默认路线。VAE 把视频在空间和时间上一起压掉，训练才跑得动，代价是模型从此隔着一层压缩表示在工作。 这篇论文想把这层拆掉： 让预训练的 latent 视频模型直接逐帧在像素空间生成 。它叫 PixVid，做法不复杂，但指向的问题很实在。 这篇论文想解决什么 摘要把 VAE 压缩带来的三个限制说得很清楚： -...