跳到正文
arXiv · 机器人与计算机视觉· Bowen Zheng, Zhiguang Liu, Jiarong Ou, Rui Chen, Tianyang Hu·· 2026-10-09精选AI 评分78

条件残差预测:无需双向教师的自回归视频扩散改进

Conditional Residual Prediction: Improving Autoregressive Video Diffusion without a Bidirectional Teacher

AI 导读

该论文针对因果视频扩散模型质量低于双向模型的问题,提出条件残差预测(CRP)方法,使模型仅利用过去无法提供的信息来补充当前输入。实验显示该方法在无需大尺寸教师或复杂蒸馏的情况下,将因果模型与双向模型的VBench差距从6.14分缩小至约0点。作者据此训练了2B参数的Optica模型,该模型可自回归生成5秒480p视频,在仅使用约1500万训练视频时达到82.78的VBench分数。

推荐理由

提出无需双向教师模型的残差预测方法,在仅用约1500万训练视频时将因果模型VBench分数提升至82.78。

来源:arXiv · 机器人与计算机视觉 · arxiv.org