InfinityStar震撼发布：NeurIPS 2025 Oral论文详解，重新定义视觉生成的时空自回归模型

【免费下载链接】InfinityStar[NeurIPS 2025 Oral]Infinity⭐️: Unified Spacetime AutoRegressive Modeling for Visual Generation项目地址: https://gitcode.com/gh_mirrors/in/InfinityStar

InfinityStar作为NeurIPS 2025 Oral论文入选项目，凭借其创新的时空自回归建模技术，重新定义了视觉生成领域的可能性。该模型能够实现从文本到图像、文本到视频、图像到视频以及视频扩展等多种视觉生成任务，为开发者和研究人员提供了一个功能强大且统一的解决方案。

核心技术架构：时空自回归模型的突破

InfinityStar的核心在于其独创的时空自回归Transformer架构，该架构通过图像金字塔和剪辑金字塔的多层结构，实现了对视觉内容在时间和空间维度上的精准建模。

从架构图中可以清晰看到，模型将视觉输入分解为多个尺度的金字塔结构，通过时空自回归Transformer进行特征提取和序列建模。这种设计使得模型能够同时捕捉视觉内容的局部细节和全局结构，为高质量的视觉生成奠定了基础。

多模态视觉生成能力展示

InfinityStar支持多种视觉生成任务，展现出卓越的多模态处理能力。无论是从文本生成图像、从文本生成视频，还是从图像生成视频，都能取得令人惊艳的效果。

图像到视频生成案例

通过InfinityStar的图像到视频功能，用户可以将静态图片转换为流畅自然的视频片段。以下是几个典型的应用案例：

从示例中可以看到，无论是沙漠中翱翔的白 owl、雪山中飞驰的滑雪者，还是客厅中休憩的人物，InfinityStar都能根据单张参考图像生成连贯且富有细节的视频序列。这种技术在广告制作、影视特效等领域具有广泛的应用前景。

视频到视频扩展能力

InfinityStar不仅能够生成全新的视频内容，还可以对现有视频进行扩展和编辑。以下展示了模型在视频扩展任务上的出色表现：

通过参考视频片段，InfinityStar能够生成具有相同风格和内容的延续视频。无论是雪景中的汽车、舞台上的歌手，还是厨房里的厨师，模型都能保持原始视频的视觉特征和动态特性，实现无缝的视频扩展。

性能评估：超越现有技术的基准测试

InfinityStar在多个视觉生成基准测试中表现优异，超越了现有技术水平。特别是在视频生成任务上，模型在质量和效率方面都取得了显著突破。

虽然具体的基准测试结果未在本文中展示，但根据项目提供的evaluation/VBench_rewrited_prompt.json文件，研究团队使用了VBench等先进的视频质量评估指标对模型进行了全面评估。这些评估结果进一步证明了InfinityStar在视觉生成领域的领先地位。

快速上手：开始使用InfinityStar

想要体验InfinityStar的强大功能，只需按照以下步骤操作：

1. 克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/in/InfinityStar

2. 安装依赖：

cd InfinityStar pip install -r requirements.txt

3. 运行推理脚本：

python tools/infer_video_720p.py

项目提供了多种推理脚本，如infer_interact_480p.py、infer_video_480p.py和infer_video_720p.py，分别适用于不同分辨率和交互模式的视频生成任务。

结语：视觉生成的新纪元

InfinityStar的发布标志着视觉生成领域进入了一个新的时代。通过统一的时空自回归建模框架，该模型打破了传统视觉生成方法在不同任务间的壁垒，为开发者提供了一个灵活且强大的工具。无论是学术研究还是商业应用，InfinityStar都展现出巨大的潜力。

随着技术的不断迭代和优化，我们有理由相信，InfinityStar将在未来的视觉生成领域发挥越来越重要的作用，为我们带来更多惊喜和可能。

【免费下载链接】InfinityStar[NeurIPS 2025 Oral]Infinity⭐️: Unified Spacetime AutoRegressive Modeling for Visual Generation项目地址: https://gitcode.com/gh_mirrors/in/InfinityStar