MarDini é um modelo de difusão de vídeo lançado pela Meta AI Research, que integra as vantagens do autorregressivo mascarado (MAR) em uma estrutura unificada de modelo de difusão (DM). O modelo consegue gerar vídeos a partir de um número arbitrário de quadros mascarados em qualquer posição de quadro, suportando várias tarefas de geração de vídeo, como interpolação de vídeo, geração de vídeo a partir de imagem e extensão de vídeo. O design do MarDini é eficiente, alocando a maior parte dos recursos computacionais para um modelo de planejamento de baixa resolução, tornando possível a atenção espaço-temporal em larga escala. O MarDini estabelece um novo padrão para interpolação de vídeo e gera vídeos comparáveis a modelos imagem-vídeo mais caros e sofisticados em poucas etapas de inferência.