剑桥 S2PD 串并联混合扩散,让视频生成更守物理与逻辑规则

CambUni · hf · 2026-10-07

剑桥团队提出 Serial-to-Parallel Diffusion(S2PD),解决双向视频扩散模型即使在海量程序生成数据上训练仍违反物理定律和符号规则的问题。S2PD 在高噪声阶段做自回归扩散(提供协调相互依赖事件所需的串行计算、产出有效状态转移),低噪声阶段切换为并行扩散(联合精炼整段视频、比全串行更快)。实现了两种架构:从零训练的像素空间 DiT 和用 LoRA+因果注意力微调的预训练视频模型。在游戏、物理仿真和真实视频上,S2PD 比匹配的双向基线更守规则,时间稳定性和采样效率也优于其他串行方法。