HyperVAttention：面向视频扩散的时空聚类高效稀疏注意力

HyperVAttention提出一种无需训练的视频扩散稀疏注意力框架，联合采用3D局部窗口聚类、锚点步完整聚类与中间步子集更新，以及面向GPU CTA执行成本的硬件感知聚类合并。论文称，该方法在文本生成视频实验中将端到端延迟最高降低2.13倍，并优于既有无需训练的稀疏注意力基线。