FramePackは、2つの重要な技術によって低いグラフィックス・メモリ要件を実現しています：
- 次フレーム予測ニューラルネットワークの構造入力フレームを固定長に圧縮することで、計算リソースの消費量をビデオの長さから切り離します。このアーキテクチャ設計は、1秒のビデオでも60秒のビデオでも、GPUメモリのフットプリントが安定していることを意味します。
- 文脈依存技術この最適化は、必要なタイミング情報のみを保持する特別なアテンション・メカニズムに基づいています。SageAttention/Flashattentionやその他の技術により、メモリ使用量を最大70%まで効果的に削減します。
実装面では、開発者のLvmin ZhangがHunyuanビデオモデルに基づいてモデルを修正し、13億のスケールでモデルパラメータを制御した。テストによると、RTX 3060（6GB）で1800フレーム（60秒@30fps）のビデオを生成でき、従来のビデオ拡散モデルと比較してビデオメモリを3〜5倍節約できる。
この答えは記事から得たものである。FramePack:6Gの低グラフィックスメモリは、長いビデオオープンソースプロジェクトの高速成長について
