面向推理时长视频生成的 In-Distribution Forcing
自回归视频扩散模型擅长生成短视频，但生成长视频时，颜色和纹理可能逐渐漂移，运动也会失去连贯性。ID-Forcing 是一种推理时框架，通过使键值（KV）缓存及其使用方式与训练配置保持一致，来缓解这一问题。其自缓存机制可从源头避免缓存条目偏离训练分布。评测结果显示，该方法相比以往方案显著减少漂移，并能将短时长模型扩展到生成数分钟的视频。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。