苹果发布 STARFlow-V：首个基于归一化流的因果视频生成模型
thoma_gu · x · 2026-09-01
Apple 团队发布 STARFlow-V，首个基于归一化流（Normalizing Flow）的因果视频生成模型，证明不靠 diffusion 也能在视觉质量上匹敌视频扩散模型。
核心设计：
- 在时空潜空间采用全局-局部架构，把因果依赖限制在全局潜空间、保留帧内丰富的局部交互，缓解自回归生成中常见的误差累积；
- 提出 flow-score matching，为模型加一个轻量因果去噪器以提升自回归生成的一致性；
- 引入视频感知的 Jacobi 迭代方案，把内部更新并行化而不破坏因果性，提升采样效率；
- 得益于可逆结构，同一模型原生支持 T2V/I2V/V2V 多任务，且支持端到端训练与精确似然估计。
背景是近期讨论「多数『自回归视频』其实是双向短片段 DiT 加因果掩码蒸馏」的声音，本文给出了另一条路线。论文与代码已公开。
「多模态」频道最新
- AI 视频以假乱真:Reddit 用户感叹已难分辨真假内容 — gouterz · 2026-10-18
- 开发者发布 Qwen-Image-2.1 宽松限制 LoRA,几乎任意姿势可生成 — metalfans · 2026-10-18
- MiniMax H3 图生视频角色替换 prompt 结构实测：六段式模板全公开 — photobombolo · 2026-10-18
- Black Forest Labs 时隔许久发新图像模型，图像编辑能力惊艳 — Xianbao_QIAN · 2026-10-18
- DeepSeek V4.1 Flash 一句话生成细节拉满的90年代中国居民楼3D场景 — zizhpan · 2026-10-18
- 开源版CapCut:Rust引擎视频编辑器Concat可被AI Agent直接控制 — techNmak · 2026-10-18