英伟达与MIT团队开源H3视频增强方案，支持4K重生成
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载开放权重与代码
英伟达与麻省理工学院的研究团队在Hugging Face上发布了名为Open-H3-Regenerate-2K的模型权重，配套的推理代码则放在NVlabs/Sana仓库中供取用。这一方案建立在MiniMax H3的基础之上，目标是把低分辨率的视频草稿重新生成为高分辨率画面。H3-Base的权重此前已经开放，能够生成768P的音视频内容；而官方提供的H3-Regenerate-2K模块则以API形式对外服务。此次公开的权重让使用者可以在本地复现2K重生成流程，而不必完全依赖接口调用。
只训细化LoRA
训练阶段的做法是冻结H3 Transformer主干与视频VAE的参数，仅对新增的细化LoRA进行优化。这样做的结果是基础模型的能力被完整保留，新增模块只承担把画面细节推向更高分辨率的职责。推理时，细化LoRA会与LightX2V FL2VA Turbo、LMS Sharp等适配器合并使用，在目标分辨率下通过三步去噪重新生成画面细节。为了压低编解码开销，方案采用社区潜空间放大器直接放大视频的潜在表示，而不是在像素空间反复转换。加速方面则结合了SoL-Engine稀疏注意力、低精度计算以及快速VAE解码器。
单卡耗时对比
在单张NVIDIA B200上预热之后，处理约5秒视频的耗时从87.26秒下降到22.45秒，速度约为原来的3.9倍。其中快速解码器把解码环节从约15秒压缩到约1.6秒，是整体提速的重要来源。输出规格上，该方案支持2560×1440的2K画面，最高可完成3840×2160的原生4K重生成。这意味着原本只能产出低分辨率草稿的流程，可以在相近的硬件条件下得到细节更丰富的高分辨率结果，而耗时增长被控制在可接受范围内。
画质评分与生态
在RefinerBench-150评测中，该方案的UniPercept平均分为60.0，官方API为53.4。VBench的结果显示，其在美学质量、成像质量和主体一致性上得分更高，而官方API在运动平滑度上略占优势。从生态角度看，MiniMax H3于今年8月开放权重，一个月内下载量超过2400万次，衍生模型超过300个。对使用者而言，开放权重加上本地推理代码，使得在自有硬件上运行2K重生成成为可能，同时评测数据也提供了与官方API效果对比的参照。
为什么值得看
H3 高分辨率重生成环节首次有了可自行部署的开放实现，并给出单卡提速与画质对比数据。
信源1 家
关键事实
Efficient-Large-Model 团队在 Hugging Face 发布 Open-H3-Regenerate-2K 的模型权重，配套推理代码在 NVlabs/Sana 仓库开放[1]
方案支持 2560×1440 的 2K 输出，最高可实现 3840×2160 的原生 4K 重生成[1]
训练阶段保持 H3 Transformer 主干与视频 VAE 参数不变，仅训练新增的细化 LoRA[1]
单张 NVIDIA B200 上约 5 秒视频的潜空间放大、三步细化与 2K 解码合计耗时由 87.26 秒降至 22.45 秒[1]
RefinerBench-150 上相同 2K 输出条件下，该方案 UniPercept 平均分 60.0，官方 H3-Regenerate-2K API 为 53.4[1]
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。