Causal Diffusion Decoder（因果的拡散デコーダー）とは？

01 / UNDERSTAND

仕組みと使いどころ

CADREの因果的拡散デコーダーは、凍結されたDINOv3特徴と学習済みボトルネックから得た潜在表現を動画へ復号します。CADRE-2x16x16では、幅1024の時空間Transformerを24ブロック使用し、最後の4ブロックは元のフレームレートで処理します。復号はフローマッチングによって行われ、論文の設定では1回または2回のステップで実行されます。これは、行動を条件として次の潜在フレームを予測する、幅2048・16ブロックの1.2Bパラメータ因果的拡散Transformer型ワールドモデルとは別の構成要素です。

02 / IN PRACTICE

Causal Diffusion Decoderの活用例

03 / GOOD TO KNOW

使うときのポイント

モデル構成を確認するときは、潜在フレームを予測するワールドモデルと、潜在表現を動画へ戻すオートエンコーダーのデコーダーを区別してください。復号ステップ数や圧縮設定も併せて確認します。