トランスフォーマーに基づくアーキテクチャの最近の進展は、動画生成タスクにおいて顕著な成功を収めている。しかし、フルアテンションメカニズムの二次関数的な複雑性は、特に高解像度かつ長時間の動画シーケンスにおいて重要なボトルネックのままである。本論文では、ビデオ拡散トランスフォーマー（DiTs）におけるスパース性パターンに動的に適応する新しい「Neighborhood Adaptive Block-Level Attention（NABLA）」機構を提案する。ブロック単位のアテンションに適応的なスパース性駆動型のしきい値を活用することで、NABLAは計算負荷を軽減しつつ生成品質を保持する。本手法はカスタムの低レイヤーオペレータの設計を必要とせず、PyTorchのFlex Attentionオペレータとシームレスに統合できる。実験の結果、NABLAは定量的な指標（CLIPスコア、VBenchスコア、人間評価スコア）や視覚的品質の低下をほとんど伴うことなく、ベースラインと比較して最大で2.7倍の高速なトレーニングおよび推論を実現することを示した。コードとモデルの重みは以下で公開されている：https://github.com/gen-ai-team/Wan2.1-NABLA