Seaweed-7B: Treinamento Custo-Eficiente de um Modelo Base para Geração de Vídeos

Seaweed-7B: Cost-Effective Training of Video Generation Foundation Model

April 11, 2025

Autores: Team Seawead, Ceyuan Yang, Zhijie Lin, Yang Zhao, Shanchuan Lin, Zhibei Ma, Haoyuan Guo, Hao Chen, Lu Qi, Sen Wang, Feng Cheng, Feilong Zuo Xuejiao Zeng, Ziyan Yang, Fangyuan Kong, Zhiwu Qing, Fei Xiao, Meng Wei, Tuyen Hoang, Siyu Zhang, Peihao Zhu, Qi Zhao, Jiangqiao Yan, Liangke Gui, Sheng Bi, Jiashi Li, Yuxi Ren, Rui Wang, Huixia Li, Xuefeng Xiao, Shu Liu, Feng Ling, Heng Zhang, Houmin Wei, Huafeng Kuang, Jerry Duncan, Junda Zhang, Junru Zheng, Li Sun, Manlin Zhang, Renfei Sun, Xiaobin Zhuang, Xiaojie Li, Xin Xia, Xuyan Chi, Yanghua Peng, Yuping Wang, Yuxuan Wang, Zhongkai Zhao, Zhuo Chen, Zuquan Song, Zhenheng Yang, Jiashi Feng, Jianchao Yang, Lu Jiang

cs.AI

Resumo

Este relatório técnico apresenta uma estratégia de custo eficiente para treinar um modelo base de geração de vídeo. Apresentamos um modelo de pesquisa de médio porte com aproximadamente 7 bilhões de parâmetros (7B), chamado Seaweed-7B, treinado do zero utilizando 665.000 horas de GPU H100. Apesar de ter sido treinado com recursos computacionais moderados, o Seaweed-7B demonstra um desempenho altamente competitivo em comparação com modelos contemporâneos de geração de vídeo de tamanho muito maior. As escolhas de design são especialmente cruciais em um cenário com recursos limitados. Este relatório técnico destaca as principais decisões de design que melhoram o desempenho do modelo de difusão de médio porte. Empiricamente, fazemos duas observações: (1) o Seaweed-7B alcança um desempenho comparável ou até superior a modelos maiores treinados com recursos de GPU substancialmente maiores, e (2) nosso modelo, que exibe uma forte capacidade de generalização, pode ser efetivamente adaptado para uma ampla gama de aplicações downstream, seja por meio de ajuste fino leve ou por treinamento contínuo. Consulte a página do projeto em https://seaweed.video/

English

This technical report presents a cost-efficient strategy for training a video generation foundation model. We present a mid-sized research model with approximately 7 billion parameters (7B) called Seaweed-7B trained from scratch using 665,000 H100 GPU hours. Despite being trained with moderate computational resources, Seaweed-7B demonstrates highly competitive performance compared to contemporary video generation models of much larger size. Design choices are especially crucial in a resource-constrained setting. This technical report highlights the key design decisions that enhance the performance of the medium-sized diffusion model. Empirically, we make two observations: (1) Seaweed-7B achieves performance comparable to, or even surpasses, larger models trained on substantially greater GPU resources, and (2) our model, which exhibits strong generalization ability, can be effectively adapted across a wide range of downstream applications either by lightweight fine-tuning or continue training. See the project page at https://seaweed.video/