论文页面 - SGF+：为自回归视频生成解耦梯度流

来源：https://huggingface.co/papers/2610.10429 作者：

,

,

,

,

,

,

,

,

,

,

摘要

自回归视频生成需要在对当前帧进行去噪的同时，将其键值表示写入上下文以供未来预测使用。然而，这两个角色通常共享参数，我们发现它们的梯度表现出不同的模式和系统性的负对齐，从而阻碍了视觉质量和时间一致性之间的联合优化。我们提出了 Self Gradient Forcing Plus（SGF+），它为上下文写入和去噪分别分配独立的参数，同时通过因果注意力保持两者之间的交互作用。两个角色均使用原始生成目标进行联合优化，无需额外的辅助损失，其中上下文写入通过其对未来预测的贡献来接受监督。这一简单的改变在逐帧和分块生成两种模式下，均在不引入额外视频训练数据或延长训练时长的前提下，提升了视觉质量和长时程一致性。仅在5秒的滚动训练下，SGF+ 即可支持长达24小时的连续生成，无需针对长视频进行微调。这些结果表明，角色专用参数化是高质量自回归视频生成和原生长时程外推的一种有效设计原则。

查看 arXiv 页面 查看 PDF 项目页面 GitHub15 加入收藏

在你的智能体中获取这篇论文：

hf papers read 2610\.10429

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

引用此论文的模型1

ZihanSu/Self_Gradient_Forcing_Plus 文生视频• 约10小时前更新 • 6

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.10429 即可从此页面链接。

引用此论文的 Spaces2

收录此论文的集合0

没有收录此论文的集合

将此论文加入集合即可从此页面链接。