论文页面 - 展望未来：在自回归视频生成中建模未来演变

来源：https://huggingface.co/papers/2610.29989

摘要

未来片段预测通过施加未来片段监督来改进自回归视频扩散，在降低训练成本的同时，生成更符合物理规律的视频\。

自回归视频扩散 (https://huggingface.co/papers?q=Autoregressive%20video%20diffusion)模型逐片段生成视频，但生成合理的后续内容并不保证它们能够捕捉场景的演变方式\。在教师强制 (https://huggingface.co/papers?q=teacher%20forcing)训练下，较强的时间冗余 (https://huggingface.co/papers?q=temporal%20redundancy)可能使局部视觉连续性成为当前片段去噪的捷径，从而降低对视觉演变 (https://huggingface.co/papers?q=visual%20evolution)进行建模的压力\。我们提出未来片段预测 (https://huggingface.co/papers?q=Future%20Chunk%20Prediction)(FCP)，这是一项与教师强制去噪联合优化的辅助目标，旨在不访问中间视觉上下文的情况下，预测在时间上相隔的片段\。FCP 直接从训练视频中获取监督信号，无需额外的预训练视觉编码器，且不改变自回归推理过程\。与标准的教师强制自回归训练相比，我们的方法以更低的总体训练计算预算实现了更优的物理合理性，凸显了未来片段监督在建模视觉演变 (https://huggingface.co/papers?q=visual%20evolution)方面的有效性与效率\。有趣的是，我们的可视化结果表明，FCP 有助于形成结构更清晰的表征空间，这可能对构建自回归世界模型 (https://huggingface.co/papers?q=world%20models)具有价值\。

查看 arXiv 页面 (https://arxiv.org/abs/2610.29989)查看 PDF (https://arxiv.org/pdf/2610.29989)项目页面 (https://hellorpg.github.io/looking-ahead/)GitHub52 (https://github.com/TencentARC/Looking-Ahead)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.29989)

在你的智能体中获取这篇论文：

hf papers read 2610\.29989

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

引用此论文的模型0

没有关联此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.29989，即可从此页面链接到该模型\。

引用此论文的数据集0

没有关联此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.29989，即可从此页面链接到该数据集\。

引用此论文的 Spaces0

没有关联此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.29989，即可从此页面链接到该 Space\。

包含此论文的合集1