SANA-Video 2.0: Hybrid Linear Attention with Attention Residuals for Efficient Video Generation

• 类型：arxiv
• 标识：2607.21553
• 链接：https://arxiv.org/abs/2607.21553
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：This work introduces SANA-Video 2.0, a hybrid video diffusion transformer instantiated at 5B and 14B scales under a unified architecture that recovers softmax-level expressiveness at substantially reduced cost, unlocking scalable long, high resolution video generation.
• 待LLM分类：否
• 标题中文：SANA-Video 2.0：基于注意力残差的混合线性注意力高效视频生成
• TLDR中文：本文提出 SANA-Video 2.0，一个混合视频扩散 Transformer，在统一架构下实例化 5B 和 14B 两种规模，以显著降低的计算成本恢复了 softmax 级别的表达能力，解锁了可扩展的长时长、高分辨率视频生成。
• 来源文件：
• /inbox/tom/_candidates/2026-07-24-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-25-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-26-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-27-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-27-agent-memory-tool-use-candidates.json
• [S2 enrich]