V-RAE Тут предлагают строить сжатое представление видеогенераторов не на основе пикселей, а на основе смысла. Берут пониматоры видео и поверх них делают компактный слой. То есть образно говоря, вместо аудиозаписи нотная запись. В ней меньше деталей но видна видна структура, по которой можно сыграть заново даже лучше оригинала - Генератору проще работать со смыслом, он сходится быстрее в разы и выдает лучшее качество - Видео можно сжимать по времени без потери смысла - Такое представление можно использовать не только для генерации, но и для предсказания следующих кадров Веса есть но это исследовательский проект, а не прикладной Гитхаб HF #research VK | MAX