MarDini ist ein von Meta AI Research entwickeltes Videodiffusionsmodell, das die Vorteile der maskierten autoregressiven Modellierung (MAR) in ein einheitliches Diffusionsmodell (DM) integriert. Das Modell kann Videos basierend auf einer beliebigen Anzahl maskierter Frames an beliebigen Frame-Positionen generieren und unterstützt verschiedene Aufgaben wie Video-Interpolation, Bild-zu-Video-Generierung und Video-Extrapolation. MarDini ist effizient gestaltet und weist einen Großteil der Rechenressourcen einem Low-Resolution-Planungsmodell zu, wodurch die Verwendung von räumlich-zeitlicher Aufmerksamkeit in großem Maßstab ermöglicht wird. MarDini setzt neue Maßstäbe in der Video-Interpolation und generiert innerhalb weniger Inferenzschritte effizient Videos, die mit teureren, hochentwickelten Bild-zu-Video-Modellen vergleichbar sind.