原理&代码详细解读：一行代码增强HunYuan/CogVideox视频生成的利器Enhance-A-Video

Diffusion Models专栏文章汇总：入门与实战

目录

原理

什么是Tokens间一致性？

语言模型中的温度系数

代码解读

inject_enhance_for_cogvideox

EnhanceCogVideoXAttnProcessor2_0

获取enhance_scores

链接

---

前言：无需后训练即可增强当下所有DiT-based视频生成模型的效果，并且只需要插入一行代码，非常方便。现有的工作流已经被广泛使用，结果表明非常香！这篇博客就深入解读Enhance-A-Video的代码和原理。

目录

原理

什么是Tokens间一致性？

语言模型中的温度系数

代码解读

inject_enhance_for_cogvideox

EnhanceCogVideoXAttnProcessor2_0

获取enhance_scores

链接

---

原理

扩散变压器（DiTs）开启了一个视频生成的新时代。尽管取得了这些进展，现有的模型在捕捉关键细节方面仍存在困难。视频增强可以作为一种直观的方法，其中考虑了两个目标：1. 保持一致性；2. 提高视觉质量。

时间注意力在确保帧间一致性方面起着至关重要的作用，进一步保留了细节。为了更好地理解时间注意力的效果，我们可视化了不同块中的时间注意力模式。

<