Steady-Forcing: 在长时域自然视频扩散中平衡空间持久性与运动连续性
摘要
Steady-Forcing 提出了一种记忆与训练框架，旨在长时域自然视频生成中平衡空间稳定性与运动连续性，在保持流体动态持续多分钟滚动生成的同时，提升背景一致性。
查看缓存全文
缓存时间: 2026/06/16 01:01
论文页面 - Steady-Forcing：在长程自然视频扩散中平衡空间持久性与运动连续性
来源：https://huggingface.co/papers/2606.14732
摘要
Steady-Forcing 通过一种结合视觉锚点、运动记忆、时间编码和蒸馏技术的记忆与训练框架，解决了长程自然视频生成中的稳定性-运动权衡问题。
自回归视频扩散模型（https://huggingface.co/papers?q=Autoregressive%20video%20diffusion%20models）支持流式生成，但往往在长序列推演中退化：静态场景布局会漂移，而提升空间稳定性（https://huggingface.co/papers?q=spatial%20stability）的机制又倾向于抑制运动，导致水、火焰或烟雾等自然流动停滞。我们在固定摄像头的长程自然视频生成中研究了这种稳定性-运动权衡，在该场景下两种故障模式比移动摄像头场景更易区分。我们提出 Steady-Forcing，一个结合持久视觉锚点（https://huggingface.co/papers?q=visual%20anchor）(V-Sink（https://huggingface.co/papers?q=V-Sink）)、指数移动平均运动记忆（https://huggingface.co/papers?q=exponential%20moving-average%20motion%20memory）(EMA-Sink（https://huggingface.co/papers?q=EMA-Sink）)、块相对时间编码（https://huggingface.co/papers?q=block-relative%20temporal%20encoding）、周期性缓存净化（https://huggingface.co/papers?q=cache%20purification）以及来自 Wan2.1-14B 教师模型在任务聚焦配置下带有运动奖励先验（https://huggingface.co/papers?q=motion-rewarded%20priors）的蒸馏（https://huggingface.co/papers?q=distillation）的记忆与训练框架。这些组件共同设计用于在数分钟的自回归推演中保持背景身份，同时维持视觉上合理的流体动力学。在七个基线上的评估表明，Steady-Forcing 提升了长程背景一致性和成像质量，而一项盲法用户研究显示出更强的感知稳定性和运动连续性。基准评估进一步表明，通用的 VBench（https://huggingface.co/papers?q=VBench）聚合分数对固定摄像头伪影的惩罚不足，同时将漂移引起的光流（https://huggingface.co/papers?q=optical%20flow）奖励为“动态程度”，而并未直接惩罚纹理硬化（https://huggingface.co/papers?q=texture%20hardening）或流动停滞——这为未来静态摄像头自然流动评估的任务特定基准提供了动机。项目页面：https://minar09.github.io/steadyforcing/
查看 arXiv 页面（https://arxiv.org/abs/2606.14732）查看 PDF（https://arxiv.org/pdf/2606.14732）项目页面（https://minar09.github.io/steadyforcing/）GitHub（https://github.com/minar09/steady-forcing）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.14732）
在您的 agent 中获取这篇论文：
hf papers read 2606.14732
没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash
引用此论文的模型1
minar09/Steady-Forcing-T2V-1.3B 文本转视频•更新于不到一分钟前（https://huggingface.co/minar09/Steady-Forcing-T2V-1.3B）
引用此论文的数据集0
没有数据集链接此论文
请在数据集的 README.md 中引用 arxiv.org/abs/2606.14732 以从此页面链接。
引用此论文的 Space0
没有 Space 链接此论文
请在 Space 的 README.md 中引用 arxiv.org/abs/2606.14732 以从此页面链接。
包含此论文的收藏1
相似文章
Causal Forcing++：可扩展的少步自回归扩散蒸馏，用于实时交互式视频生成
Causal Forcing++提出了一种新颖的因果一致性蒸馏方法，用于逐帧自回归视频生成，在降低延迟和训练成本的同时实现了最先进的质量。
流式力控视频生成
StreamForce 是一种因果统一视频生成模型，通过蒸馏流水线和自回归架构，为时变力提供实时、基于物理的响应，在力的遵循度和运动真实性方面达到了最先进的性能。
FadeMem: 距离感知的记忆整合用于自回归视频扩散
FadeMem 引入了一种距离感知的键值记忆整合机制，将历史视频数据组织成时间层次结构，在固定缓存约束下改进长视频生成。
One-Forcing: 迈向稳定的单步自回归视频生成
One-Forcing 通过用辅助 GAN 损失增强 DMD 目标，改进了单步视频生成，以更低的训练成本实现了最先进的性能。
Echo-Forcing: 一种用于交互式长视频生成的场景记忆框架
Echo-Forcing 提出了一种用于交互式长视频生成的场景记忆框架，利用分层时间记忆、场景召回帧和差异感知记忆衰减来处理提示切换和长期回忆。该方法无需训练，在 VBench-Long 上取得了强劲的性能。