video-diffusion-models

本文介绍了YoCausal，一个基于认知科学中的违反预期（Violation of Expectation）范式的基准，用于评估视频扩散模型是否真正理解因果关系，还是仅仅过拟合于时间模式。对13个最先进模型的评估显示，与人类级别的因果认知相比，存在显著差距。

VideoRLVR利用基于规则的奖励的强化学习，优化视频扩散模型以进行可验证推理任务，在约束满足的视频生成中取得了优于监督方法的性能。