论文页面 - FlowLong: 通过流形约束Tweedie匹配实现推理时长视频生成

来源：https://huggingface.co/papers/2605.20910

摘要

一种新颖的推理时方法，用于长视频生成，采用重叠滑动窗口配合Tweedie匹配和随机早期阶段采样，以提升时间一致性和视觉质量。

将视频扩散模型的生成范围扩展到长序列，仍然是一个长期存在的重要挑战。现有的免训练方法分为两类：双向模型的扩展，这些方法与特定架构紧密耦合，并且在长序列上质量下降；自回归模型，由于暴露偏差会积累漂移误差，且倾向于产生重复的运动模式。为解决这些问题，我们提出一种新颖但简单的推理时方法，用于长视频生成，该方法与架构无关，且无需额外训练。我们的方法通过重叠滑动窗口生成长视频，其中相邻窗口的预测干净样本通过Tweedie匹配进行混合，以在重叠区域强制执行流形约束和时间一致性。随后，随机早期阶段采样通过在高噪声阶段每次Tweedie匹配校正后注入新鲜噪声，来同步每个窗口的轨迹，然后过渡到确定性ODE采样以保留精细的视觉保真度。应用于各种视频生成模型，我们的方法能够生成本地窗口长度数倍长的视频，在时间一致性和视觉质量上优于免训练和自回归基线，并进一步扩展到音视频联合生成和文本到3DGS，而无需任何微调。

查看arXiv页面 (https://arxiv.org/abs/2605.20910)查看PDF (https://arxiv.org/pdf/2605.20910)项目页面 (https://flowlong-video.github.io/)GitHub2 (https://github.com/jhq1234/flowlong)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.20910)

在你的Agent中获取此论文：

hf papers read 2605.20910

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

引用此论文的模型0

无模型链接此论文

请在模型README.md中引用arxiv.org/abs/2605.20910以从此页面链接。

引用此论文的数据集0

无数据集链接此论文

请在数据集README.md中引用arxiv.org/abs/2605.20910以从此页面链接。

引用此论文的Space0

无Space链接此论文

请在Space README.md中引用arxiv.org/abs/2605.20910以从此页面链接。

包含此论文的收藏集0

无收藏集包含此论文

请将此论文添加到收藏集 (https://huggingface.co/new-collection)以便从此页面链接。