跳到正文
arXiv · 机器人与计算机视觉· Zhengyang Yu, Akio Hayakawa, Masato Ishii, Qingtao Yu, Xuesong Li, Takashi Shibuya, Yuki Mitsufuji, Jing Zhang·· 16 天前AI 评分75

Disen-Forcing:将语义锚点与运动分离以增强自回归视频扩散模型

Disen-Forcing: Disentangling Semantic Anchoring from Motion for Autoregressive Video Diffusion

AI 导读

针对自回归视频扩散模型在推理步数超出训练范围时性能急剧下降的问题,本文提出 Disen-Forcing 方法。该方法发现现有帧池化策略导致注意力头过度条件化,进而引发运动坍缩;Disen-Forcing 通过解耦上下文路由和运动分离正则化,强化注意力头的专业化分工,在长视频生成基准上同时提升了长程一致性和运动动态性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org