论文页面 - Stream-T1：流式视频生成的测试时扩展

来源：https://huggingface.co/papers/2605.04461

摘要

Stream-T1 通过带有时间引导的流式合成实现了高效的测试时视频生成，与现有的基于扩散的方法相比，取得了更好的连贯性和质量。

虽然测试时扩展（Test-Time Scaling，TTS）（https://huggingface.co/papers?q=Test-Time%20Scaling）为在不增加高昂训练成本的情况下提升视频生成（https://huggingface.co/papers?q=video%20generation）质量提供了一个有前景的方向，但当前基于扩散模型（https://huggingface.co/papers?q=diffusion%20models）的测试时视频生成（https://huggingface.co/papers?q=video%20generation）方法存在候选探索成本高昂且缺乏时间引导（https://huggingface.co/papers?q=temporal%20guidance）的问题。为了解决这些结构性瓶颈，我们建议将重点转移到流式视频生成（https://huggingface.co/papers?q=streaming%20video%20generation）上。我们发现，其块级合成和少量的去噪步骤（https://huggingface.co/papers?q=denoising%20steps）本质上适合 TTS，在显著降低计算开销的同时实现了细粒度的时间控制。基于这一洞察，我们引入了 Stream-T1，这是一个专为流式视频生成（https://huggingface.co/papers?q=streaming%20video%20generation）量身定制的开创性综合 TTS 框架。具体而言，Stream-T1 由三个单元组成：（1）Stream-Scaled Noise Propagation（流式扩展噪声传播），利用历史上已证明高质量的前序块噪声主动优化当前生成块的初始潜在噪声（https://huggingface.co/papers?q=latent%20noise），有效地建立时间依赖性（https://huggingface.co/papers?q=temporal%20dependency），并利用历史高斯先验（https://huggingface.co/papers?q=Gaussian%20prior）引导当前生成；（2）Stream-Scaled Reward Pruning（流式扩展奖励剪枝），通过整合即时短期评估与基于滑动窗口的长期评估，对生成的候选者进行全面评估，在局部空间美学和全局时间连贯性之间取得最佳平衡；（3）Stream-Scaled Memory Sinking（流式扩展内存下沉），根据奖励反馈动态地将从 KV-cache（https://huggingface.co/papers?q=KV-cache）中驱逐的上下文路由到不同的更新路径，确保先前生成的视觉信息有效地锚定并引导后续的视频流。在 5 秒和 30 秒的综合视频基准上进行评估，Stream-T1 表现出显著的优越性，显著提高了时间连贯性、运动平滑度和帧级视觉质量。

查看 arXiv 页面（https://arxiv.org/abs/2605.04461）查看 PDF（https://arxiv.org/pdf/2605.04461）项目页面（https://stream-t1.github.io/）GitHub21（https://github.com/FrameX-AI/Stream-T1）添加到集合（https://huggingface.co/login?next=%2Fpapers%2F2605.04461）

在你的 agent 中获取此论文：

hf papers read 2605\.04461

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有链接到此论文的模型

在模型 README.md 中引用 arxiv.org/abs/2605.04461 以从该页面进行链接。

引用此论文的数据集 0

没有链接到此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2605.04461 以从该页面进行链接。

引用此论文的 Spaces 0

没有链接到此论文的 Space

在 Space README.md 中引用 arxiv.org/abs/2605.04461 以从该页面进行链接。

包含此论文的集合 1