DiT-Extrapolation

不重训、不微调，让视频扩散模型直接生成超长视频

DiT-Extrapolation 是 ICML 2025 论文《RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers》的官方实现，同时包含 ICLR 2026 的 UltraViCo 和 UltraImage 方法。该项目聚焦视频扩散 Transformer（DiT）的长度外推问题，即在不重新训练或微调的情况下，让预训练模型生成比训练时更长的视频。核心能力包括：实现 RIFLEx 的旋转位置编码（RoPE）改进策略，通过调整频率维度实现零成本长度外推；提供 UltraViCo 的上下文化视觉条件方法，增强长视频生成的时序一致性；支持 CogVideoX 和 HunyuanVideo 等主流视频生成模型。项目代码基于 Python，采用模块化设计，便于研究者复现论文结果并集成到现有视频生成流程中。