Image de couverture de livre

SANA-WM: Efficient Minute-Scale World Modeling with Hybrid Linear Diffusion Transformer

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Zhu, Haoyi, Liu, Haozhe, Zhao, Yuyang, Ye, Tian, Chen, Junsong, Yu, Jincheng, He, Tong, Han, Song, Xie, Enze
Format:	Preprint
Publié:	2026
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

SANA-Streaming: Real-time Streaming Video Editing with Hybrid Diffusion Transformer
par: Zhao, Yuyang, et autres
Publié: (2026)

SANA 1.5: Efficient Scaling of Training-Time and Inference-Time Compute in Linear Diffusion Transformer
par: Xie, Enze, et autres
Publié: (2025)

SANA-Video: Efficient Video Generation with Block Linear Diffusion Transformer
par: Chen, Junsong, et autres
Publié: (2025)

SANA-Sprint: One-Step Diffusion with Continuous-Time Consistency Distillation
par: Chen, Junsong, et autres
Publié: (2025)

SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformers
par: Xie, Enze, et autres
Publié: (2024)

HART: Efficient Visual Generation with Hybrid Autoregressive Transformer
par: Tang, Haotian, et autres
Publié: (2024)

DC-AR: Efficient Masked Autoregressive Image Generation with Deep Compression Hybrid Tokenizer
par: Wu, Yecheng, et autres
Publié: (2025)

MHLA: Restoring Expressivity of Linear Attention via Token-Level Multi-Head
par: Zhang, Kewei, et autres
Publié: (2026)

DC-AE 1.5: Accelerating Diffusion Model Convergence with Structured Latent Space
par: Chen, Junyu, et autres
Publié: (2025)

Magic 1-For-1: Generating One Minute Video Clips within One Minute
par: Yi, Hongwei, et autres
Publié: (2025)

WM-DAgger: Enabling Efficient Data Aggregation for Imitation Learning with World Models
par: Yu, Anlan, et autres
Publié: (2026)

DC-VideoGen: Efficient Video Generation with Deep Compression Video Autoencoder
par: Chen, Junyu, et autres
Publié: (2025)

Deep Compression Autoencoder for Efficient High-Resolution Diffusion Models
par: Chen, Junyu, et autres
Publié: (2024)

FP4 Explore, BF16 Train: Diffusion Reinforcement Learning via Efficient Rollout Scaling
par: Li, Yitong, et autres
Publié: (2026)

PixArt-$α$: Fast Training of Diffusion Transformer for Photorealistic Text-to-Image Synthesis
par: Chen, Junsong, et autres
Publié: (2023)

DC-Gen: Post-Training Diffusion Acceleration with Deeply Compressed Latent Space
par: He, Wenkun, et autres
Publié: (2025)

Light Interaction: Training-Free Inference Acceleration for Interactive Video World Models
par: Lu, Jiacheng, et autres
Publié: (2026)

DDP-WM: Disentangled Dynamics Prediction for Efficient World Models
par: Yin, Shicheng, et autres
Publié: (2026)

Scaling Probabilistic Transformer via Efficient Cross-Scale Hyperparameter Transfer
par: Kuang, Penghao, et autres
Publié: (2026)

Brain-WM: Brain Glioblastoma World Model
par: Wang, Chenhui, et autres
Publié: (2026)

AdaWM: Adaptive World Model based Planning for Autonomous Driving
par: Wang, Hang, et autres
Publié: (2025)

LucidFlux: Caption-Free Photo-Realistic Image Restoration via a Large-Scale Diffusion Transformer
par: Fei, Song, et autres
Publié: (2025)

LaDi-WM: A Latent Diffusion-based World Model for Predictive Manipulation
par: Huang, Yuhang, et autres
Publié: (2025)

ContactGaussian-WM: Learning Physics-Grounded World Model from Videos
par: Wang, Meizhong, et autres
Publié: (2026)

Fast-dVLM: Efficient Block-Diffusion VLM via Direct Conversion from Autoregressive VLM
par: Wu, Chengyue, et autres
Publié: (2026)

Hi-WM: Human-in-the-World-Model for Scalable Robot Post-Training
par: Li, Yaxuan, et autres
Publié: (2026)

minWM: A Full-Stack Open-Source Framework for Real-Time Interactive Video World Models
par: Zhao, Min, et autres
Publié: (2026)

PixArt-Σ: Weak-to-Strong Training of Diffusion Transformer for 4K Text-to-Image Generation
par: Chen, Junsong, et autres
Publié: (2024)

Adaptive Caching for Faster Video Generation with Diffusion Transformers
par: Kahatapitiya, Kumara, et autres
Publié: (2024)

RoboWM-Bench: A Benchmark for Evaluating World Models in Robotic Manipulation
par: Jiang, Feng, et autres
Publié: (2026)

PIN-WM: Learning Physics-INformed World Models for Non-Prehensile Manipulation
par: Li, Wenxuan, et autres
Publié: (2025)

UniDrive-WM: Unified Understanding, Planning and Generation World Model For Autonomous Driving
par: Xiong, Zhexiao, et autres
Publié: (2026)

COMIDA SANA, COMIDA RICA
Publié: (2007)

LÓGICA Y SANA CRÍTICA
par: Jaime Laso Cordero
Publié: (2009)

Scaling Diffusion Transformers Efficiently via $μ$P
par: Zheng, Chenyu, et autres
Publié: (2025)

ResWM: Residual-Action World Model for Visual RL
par: Zhang, Jseen, et autres
Publié: (2026)

TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity
par: Chen, Yuzhuo, et autres
Publié: (2025)

ECG-WM: A Physiology-Informed ECG World Model for Clinical Intervention Simulation
par: Chen, Zhikang, et autres
Publié: (2026)

DTU-Net: A Multi-Scale Dilated Transformer Network for Nonlinear Hyperspectral Unmixing
par: Wang, ChenTong, et autres
Publié: (2025)

EgoExo-WM: Unlocking Exo Video for Ego World Models
par: Tran, Danny, et autres
Publié: (2026)