論文の概要: Lights, Camera, Carbon: Architectural Scaling Laws for Video Generation Energy Consumption
- arxiv url: http://arxiv.org/abs/2607.04553v1
- Date: Sun, 05 Jul 2026 23:58:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.977968
- Title: Lights, Camera, Carbon: Architectural Scaling Laws for Video Generation Energy Consumption
- Title（参考訳）: 光, カメラ, カーボン - ビデオ生成エネルギー消費のスケーリング法則
- Abstract要約: 本稿では,テキスト・トゥ・ビデオ(T2V)モデルとテキスト・トゥ・ビデオ・オーディオ(T2VA)モデルのエネルギー消費を推定するためのフレームワークを提案する。
フォワードは生成パラメータとアーキテクチャ原則からエネルギーを予測し、後方では観測された推論時間からアーキテクチャスケーリングの振る舞いを回復する。
このアプローチは、T2Vモデルとアーキテクチャをまたいだ持続可能性ベンチマークのための標準化された、経験的、理論的に基礎付けられたフレームワークを提供する。
- 参考スコア（独自算出の注目度）: 4.930883100315264
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a bidirectional framework for estimating the energy consumption of text-to-video (T2V) and text-to-video-audio (T2VA) models from architectural first principles and observable generation parameters such as resolution and duration, requiring no access to weights, model size, or implementation details. Forward, it predicts energy from generation parameters and architectural principles; backward, it recovers architectural scaling behavior from observed inference times, with accuracy serving as a criterion for architectural validity. Building on the established compute-bound nature of video diffusion models, we demonstrate that each model's energy profile obeys theoretically derived scaling laws, decomposing into quadratic and linear terms whose coefficients directly reflect the underlying architectural complexity. Validated across six open-source models spanning 8.3B-27B parameters and three GPU configurations, this decomposition achieves below 3% MAPE across all architectures. This approach offers a standardized, empirically and theoretically grounded framework for sustainability benchmarking across T2V models and architectures.
- Abstract（参考訳）: 本稿では,テクスト・ツー・ビデオ(T2V)モデルとテクスト・ツー・ビデオ・オーディオ(T2VA)モデルのエネルギー消費をアーキテクチャ第一原理から推定するための双方向フレームワークを提案する。
フォワードは生成パラメータとアーキテクチャ原則からエネルギーを予測し、後方では観測された推論時間からアーキテクチャスケーリングの振る舞いを回復し、正確性はアーキテクチャの有効性の基準として機能する。
ビデオ拡散モデルの確立された計算バウンドの性質に基づいて、各モデルのエネルギープロファイルが理論的に導出されたスケーリング法則に従うことを実証し、その係数が基礎となるアーキテクチャの複雑さを直接反映する二次項と線形項に分解する。
8.3B-27Bパラメータと3つのGPU構成にまたがる6つのオープンソースモデルで検証されたこの分解は、すべてのアーキテクチャで3%のMAPE以下を達成する。
このアプローチは、T2Vモデルとアーキテクチャをまたいだ持続可能性ベンチマークのための標準化された、経験的、理論的に基礎付けられたフレームワークを提供する。
関連論文リスト
- CatalyticMLLM: A Graph-Text Multimodal Large Language Model for Catalytic Materials [61.546562658308005]
触媒材料のためのグラフテキスト多モード大言語モデルQE-Catalytic-V2を提案する。
プロパティ予測と逆設計を同じモデルと共有表現空間に統合する。
この統合フレームワークでは、QE-Catalytic-V2は信頼性の高いプロパティ予測を行うだけでなく、物理的に実現可能なCIF候補を生成し、表示することができる。
論文 参考訳（メタデータ） (2026-05-17T04:31:46Z) - Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective [91.23306722968509]
汎用的なフィードフォワード3D再構築は近年急速に進展している。
既存のフィードフォワードアプローチも同様に高いレベルのアーキテクチャパターンを共有している。
本稿では,出力形式に依存しないモデル設計戦略を中心とした新しい分類法を提案する。
論文 参考訳（メタデータ） (2026-04-15T16:07:18Z) - BuildMamba: A Visual State-Space Based Model for Multi-Task Building Segmentation and Height Estimation from Satellite Images [0.6773121102591491]
BuildMambaは、ビジュアルステートスペースモデルの線形時間グローバルモデリングを活用するために設計された統合マルチタスクフレームワークである。
DFC23ベンチマークでは0.93のIoUと1.77mのRMSEが達成され、高度推定では0.82mを超える。
論文 参考訳（メタデータ） (2026-03-09T15:56:42Z) - Learning Transient Convective Heat Transfer with Geometry Aware World Models [41.969427056765014]
本稿では,映像生成アーキテクチャ(LongVideoGAN)を応用し,一貫した物理を学習する幾何学的世界モデルアーキテクチャを提案する。
本研究では, 固体構造内の熱流に結合した浮力駆動流れからの対流熱伝達を伴う2次元過渡流体力学 (CFD) 問題について検討した。
論文 参考訳（メタデータ） (2026-01-29T18:24:24Z) - Energy Scaling Laws for Diffusion Models: Quantifying Compute and Carbon Emissions in Image Generation [50.21021246855702]
本稿では,計算複雑性(FLOP)に基づく拡散モデルに対するGPUエネルギー消費予測のためのKaplanスケーリング法の適用法を提案する。
提案手法は, テキストエンコーディング, 反復的復号化, 復号化コンポーネントへの拡散モデル推論を分解し, 複数の推論ステップをまたいだ繰り返し実行により, 演算の復号化がエネルギー消費を支配しているという仮説を導いた。
この結果は拡散予測の計算バウンドの性質を検証し、持続可能なAIデプロイメント計画と炭素フットプリント推定の基礎を提供する。
論文 参考訳（メタデータ） (2025-11-21T08:12:47Z) - Video Understanding by Design: How Datasets Shape Architectures and Insights [47.846604113207206]
ビデオ理解は、ますます複雑なデータセットと強力なアーキテクチャによって、急速に進歩している。
この調査は、モデルがエンコードすべき帰納的バイアスを課す動きの複雑さ、時間的スパン、階層的構成、マルチモーダル豊かさを示す、データセット駆動の視点を採用した初めてのものだ。
論文 参考訳（メタデータ） (2025-09-11T05:06:30Z) - Explainable Dual-Attention Tabular Transformer for Soil Electrical Resistivity Prediction: A Decision Support Framework for High-Voltage Substation Construction [0.0]
本研究は, 土壌電気抵抗を予測できる新しい二重アテンション変圧器アーキテクチャを提案する。
提案アーキテクチャは,最近の技術モデルと比較して予測性能が優れている(平均絶対誤差0.63%)。
我々は、このモデルを実装するWebベースのアプリケーションを開発し、エンジニアにアクセシビリティな意思決定支援フレームワークを提供する。
論文 参考訳（メタデータ） (2025-03-17T04:30:32Z) - S3O: A Dual-Phase Approach for Reconstructing Dynamic Shape and Skeleton of Articulated Objects from Single Monocular Video [13.510513575340106]
単一の単眼映像から動的に調音された物体を再構成することは困難であり、限られた視点から形状、動き、カメラパラメータを共同で推定する必要がある。
可視形状や下層の骨格を含むパラメトリックモデルを効率的に学習する新しい2相法であるS3Oを提案する。
標準ベンチマークとPlanetZooデータセットの実験により、S3Oはより正確な3D再構成と可塑性骨格を提供し、最先端技術と比較してトレーニング時間を約60%短縮することを確認した。
論文 参考訳（メタデータ） (2024-05-21T09:01:00Z) - RAVEN: Rethinking Adversarial Video Generation with Efficient Tri-plane Networks [93.18404922542702]
本稿では,長期的空間的および時間的依存関係に対処する新しいビデオ生成モデルを提案する。
提案手法は,3次元認識型生成フレームワークにインスパイアされた,明示的で単純化された3次元平面のハイブリッド表現を取り入れたものである。
我々のモデルは高精細度ビデオクリップを解像度256時間256$ピクセルで合成し、フレームレート30fpsで5ドル以上まで持続する。
論文 参考訳（メタデータ） (2024-01-11T16:48:44Z) - Scaling Pre-trained Language Models to Deeper via Parameter-efficient
Architecture [68.13678918660872]
行列積演算子(MPO)に基づくより有能なパラメータ共有アーキテクチャを設計する。
MPO分解はパラメータ行列の情報を再編成し、2つの部分に分解することができる。
私たちのアーキテクチャは、モデルのサイズを減らすために、すべてのレイヤで中央テンソルを共有しています。
論文 参考訳（メタデータ） (2023-03-27T02:34:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。