微调框架

YOSE：为高效 DiT 视频物体移除仅选择必要词元

YOSE: You Only Select Essential Tokens for Efficient DiT-based Video Object Removal

对做 DiT 视频生成/编辑的人，这篇给出了一个可复用的思路：用可微的动态索引按掩码只处理必要词元，并用扩散过程模拟器近似未掩码区域在自注意力中的影响，从而让推理时间随掩码面积线性增长，可直接迁移到 inpainting、视频编辑等掩码驱动的生成任务上做加速。