Video DeltaNet

该架构将滑动窗口 softmax 注意力与双向线性记忆相结合。第一个和最后一个帧充当全局锚点，而线性分支处理本地窗口之外的远程上下文。文本限制两条路径，并且设计避免对相同的视频上下文进行两次计数。

视频 DeltaNet 对于优化大型视频模型的研究人员和开发人员非常有用。该项目报告在八个 B200 GPU 上预热后约九秒内完成了 14.4 秒、768p 的剪辑。这些测量值是特定于硬件的，并不意味着消费类显卡具有相同的性能。