MarDini est un modèle de diffusion vidéo développé par Meta AI Research. Il intègre les avantages de l'approche masque autorégressive (MAR) dans un cadre de modèle de diffusion unifié (DM). Ce modèle permet la génération vidéo à partir d'un nombre quelconque de frames masquées et à n'importe quelle position de frame. Il prend en charge diverses tâches de génération vidéo, telles que l'interpolation vidéo, la génération vidéo à partir d'images et l'extension vidéo. La conception efficace de MarDini alloue la majeure partie des ressources de calcul à un modèle de planification basse résolution, rendant possible l'attention spatio-temporelle à grande échelle. MarDini établit une nouvelle référence en matière d'interpolation vidéo et génère efficacement des vidéos comparables à celles de modèles image-à-vidéo plus coûteux en quelques étapes d'inférence.