研究人员推出了一种名为Self Gradient Forcing (SGF) 的新型两阶段训练策略，旨在改进自回归视频扩散模型。该方法通过允许未来的损失来监督早期生成的潜在表示如何被写入更有效的内存缓存，从而解决了“历史上下文-梯度差距”问题。SGF在长视频外插能力方面表现出色，即使在短窗口训练下生成数分钟长的视频，也能保持主体身份、背景一致性和时间稳定性。 AI
影响 该方法可以显著提高长篇AI生成视频的连贯性和一致性。
排序理由 该集群描述了一篇详细介绍视频生成模型新训练策略的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Recent autoregressive video diffusion methods are increasingly built upon Self Forcing, where the student is trained on histories produced by its own rollout rather than ground-truth video contexts. This reduces exposure bias, but the historical key-value cache is still used by f…
arXiv:2607.20368v1 Announce Type: new Abstract: Recent autoregressive video diffusion methods are increasingly built upon Self Forcing, where the student is trained on histories produced by its own rollout rather than ground-truth video contexts. This reduces exposure bias, but t…