标签
提出 In-Distribution Forcing (ID-Forcing) 测试时框架，通过自缓存机制避免 KV 条目偏离训练分布，从而将短时视频扩散模型扩展到分钟级长视频生成，并显著缓解漂移问题。
本文研究了Orthrus的无损性，Orthrus是一种用于推理加速的混合自回归-扩散模型，发现其需要高数值精度（FP32）来实现精确轨迹匹配，而BF16精度偏差并不影响下游性能。
Stream4D通过引入动态4D重建奖励和运动先验来增强流式自回归扩散视频模型，以保持连贯运动并减少几何漂移。
ARDY 引入了一个流式生成框架，用于实时、高保真度的 3D 人体运动生成，通过文本和运动学约束进行控制，采用混合表示和两阶段自回归 Transformer 去噪器。
本文介绍Lip Forcing，首个用于实时视频到视频唇形同步的自回归扩散方法。通过将14B教师模型蒸馏为因果学生模型，并仅使用两步去噪，该方法在1.3B规模下实现了31 FPS的流式处理，比同规模双向模型快17.6倍。