港中文等提出DuoMatching：图像先验蒸馏进少步视频生成，VBench提升2.86分
量子位 · wechat · 2026-10-22
香港中文大学MMLab、字节跳动与港科大团队提出DuoMatching，让少步视频生成模型同时接受视频联合分布监督与帧级边缘分布监督，把图像模型积累的视觉与语义先验引入蒸馏，且不增加推理计算。
方法要点
- 在joint DMD基础上加入图像教师提供的marginal DMD，用权重控制强度，二者共同更新视频生成器
- LatentBridge：轻量模块把时间压缩的视频潜变量映射为图像教师可用的单帧潜变量（消融显示动态得分从76.94提升到93.61）
- LVS：按相邻潜变量变化量划分时间段抽样，让有限帧级监督覆盖更多内容状态
- 两模块仅用于训练，推理链路不变
结果
- 逐帧2步设置下VBench总分从80.67提升到83.53（较CausalForcing++ +2.86），语义、美学与成像质量均提高，运动动态基本保持
- 人工评测：23人每人比较40对视频，相对CausVid、CausalForcing++、One-Forcing、RewardForcing的整体偏好率分别为91.30%、80.87%、94.35%、83.91%
论文、代码与模型权重均已公开。
「多模态」频道最新
- Magnific + Seedance 工作流：让 AI 生成的手指精准按下琴键 — techhalla · 2026-10-23
- 蚂蚁 Ming-3.0-tts 仅 0.5B 参数跻身 TTS 前三，MIT 开源 — ArtificialAnlys · 2026-10-23
- Suno 官方盘点五个鲜为人知的隐藏功能 — suno · 2026-10-23
- Meshy 联动 Hermes：$1 买一个月 Pro 含 API 额度 — Teknium · 2026-10-23
- Customuse 推出几何感知 Smart Mesh AI，一键给角色换装 — SimplyAnnisa · 2026-10-23
- AI 生成电影海报《The Chase》：狼、飞机、肌肉车同框的疯狂追逐 — Aggravating-Sir-115 · 2026-10-23