研究人员开发了一种名为Direct Forcing的新型单阶段训练框架,用于自回归文本到视频生成。该方法将因果适应和分布匹配整合到一个过程中,利用参考视频进行历史延续和群体目标。该框架采用因果延续对齐和滚动分布匹配,并通过动态梯度平衡来调整它们在训练中的贡献。从双向Wan2.1-1.3B模型开始,Direct Forcing在VBench基准测试中取得了优异的性能,并且更新次数明显少于传统方法。 AI
影响 这种新的训练方法可以实现更快、更高效的自回归文本到视频模型的开发。
排序理由 该集群包含一篇详细介绍文本到视频生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →