ID-Forcing 测试时框架,让短视频模型生成分钟级长视频

SeoulNatlUniv · hf · 2026-10-06

自回归视频扩散模型擅长生成短视频,但拉长到长视频会出现漂移:颜色纹理渐变、运动动态衰减。现有方法多依赖 KV conditioning,作者指出其根本缺陷是「KV 来源问题」:超出训练时长后,rollout 中生成的 KV 条目本身会变成分布外(OOD),而 KV conditioning 假设缓存始终在分布内。

提出的 In-Distribution Forcing(ID-Forcing)是测试时框架,核心机制为 self-caching:每个 chunk 缓存时不参考先前的 KV,使滚动窗口严格保持在训练分布内。效果是把短时程模型无缝扩展到分钟级视频生成——标准基准上保持竞争力,在抑制漂移上以自建漂移指标和用户研究验证显著超过此前方法。