GRACE：面向高效视频生成的生成感知潜在压缩

GRACE 提出两阶段框架，在压缩预训练视频 autoencoder 的同时保持与预训练 DiT 兼容，用于提升视频扩散模型效率。它保留冻结的基础 latent、学习残差 latent，并在冻结 DiT 特征空间中对齐压缩 latent，再通过轻量微调和非对称去噪适配 DiT。