论文页面 - AAD-1：面向单步自回归视频生成的非对称对抗蒸馏

来源：https://huggingface.co/papers/2606.03972

摘要

AAD-1 框架通过打破生成器与判别器之间的对称性，并采用分阶段训练来防止运动坍缩和训练不稳定，从而改进了单步自回归图像到视频的生成。

我们提出 AAD-1，一个面向单步自回归 (https://huggingface.co/papers?q=autoregressive) 图像到视频生成的非对称对抗蒸馏 (https://huggingface.co/papers?q=Adversarial%20Distillation) 框架。现有先进方法采用对抗蒸馏 (https://huggingface.co/papers?q=adversarial%20distillation)，但存在运动坍缩 (https://huggingface.co/papers?q=motion%20collapse) 和训练不稳定 (https://huggingface.co/papers?q=training%20instability) 的问题，导致生成静态视频。AAD-1 通过在架构和训练策略上的两项关键设计来解决这些挑战。我们的核心架构洞察在于打破生成器与判别器之间的对称性：生成器保持因果性以保留自回归 (https://huggingface.co/papers?q=autoregressive) 采样能力，而判别器则对完整的时空上下文进行双向注意力，并为整个视频序列生成单一的整体真实性评分 (https://huggingface.co/papers?q=holistic%20realism%20score)。这种非对称设计 (https://huggingface.co/papers?q=asymmetric%20design) 使得判别器能够有效检测全局时间故障和长程漂移——这些正是导致自回归 (https://huggingface.co/papers?q=autoregressive) 生成中运动坍缩 (https://huggingface.co/papers?q=motion%20collapse) 的原因。为了稳定训练，我们引入了一种分阶段策略 (https://huggingface.co/papers?q=phased%20strategy)：首先使用分布匹配 (https://huggingface.co/papers?q=distribution%20matching) 来引导一个稳定的单步生成器，作为预热阶段，在学生分布接近教师分布之后，再开始对抗蒸馏 (https://huggingface.co/papers?q=adversarial%20distillation)。在 VBench 上进行的大量实验表明，AAD-1 在单步自回归 (https://huggingface.co/papers?q=autoregressive) 视频生成中达到了最先进的性能。

查看 arXiv 页面 (https://arxiv.org/abs/2606.03972)查看 PDF (https://arxiv.org/pdf/2606.03972)项目页面 (https://aad-1.github.io/)GitHub27 (https://github.com/AutoLab-SAI-SJTU/AAD-1)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.03972)

在您的智能体中获取此论文：

hf papers read 2606.03972

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

引用此论文的模型1

Watay/AAD-1 图像到视频• 更新于1天前 (https://huggingface.co/Watay/AAD-1)

引用此论文的数据集0

没有数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.03972，即可从此页面链接。

引用此论文的 Space0

没有 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2606.03972，即可从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)，即可从此页面链接。