arXiv cs.AI· Deyuan Liu, Jungang Li, Kaiwen Zheng, Kai Jiang, Jintao Chen, Yaole Wang, Ming Lin, Tao Lin, Jianfei Chen, Jun Zhu, Jintao Zhang·· 10 小时前AI 评分29
APEX 用条件偏移实现少步流式视频生成，无需独立 fake-score 网络
Few-Step Streaming Video Generation via Condition Shifting
AI 导读
APEX 通过条件偏移在生成器内部估计生成分布的速度场，去掉 DMD 所需的独立 fake-score 网络，同时保留 S2-Avatar 的冻结参考教师、Self-Replay Forcing 与感知正则化。
正文 · AI 翻译
作者：Deyuan Liu、Jungang Li、Kaiwen Zheng、Kai Jiang、Jintao Chen、Yaole Wang、Ming Lin、Tao Lin、Jianfei Chen、Jun Zhu、Jintao Zhang
摘要：少步采样降低了流式视频生成的成本。分布匹配蒸馏（DMD）使用一个独立的假分数网络来监督少步生成器，这会增加训练内存和计算开销，并且必须跟踪不断演化的生成器。我们将 APEX 扩展到流式视频，通过条件偏移在生成器内部估计生成分布的速度场。原始文本条件用于选择生成，而偏移后的条件使用相同参数用于选择假估计。这去除了独立的假网络，同时保留了 S2-Avatar 的冻结参考教师、Self-Replay Forcing 和感知正则化。我们在 180 秒视频上评估 APEX，每个块使用三次骨干评估和一步空间 Refiner，并进行了 70 例人类研究和 320 例 StreamAV-Bench 对比。与 S2-Avatar 相比，APEX 在 Progressive 赛道上实现了更高的视频指令遵循度（3.856 对 3.831），并在两个赛道上都实现了更高的视觉美学（0.641898 对 0.632606）。人类评分者在指令遵循上最强烈地倾向于 APEX，净偏好为 +30.0%，其次是一致性和视频质量，各为 +4.3%。运动质量倾向于 S2-Avatar，视听同步基本持平，可用性保持不变。在匹配训练设置下的单独测量显示，每 GPU 的峰值分配 GPU 内存降低了 4.4%，平均迭代时间比 DMD 缩短了 9.2%。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.14033 [cs.CV] |
| （或此版本的 arXiv:2611.14033v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2611.14033 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Deyuan Liu [查看电子邮件]
[v1]
2026年11月10日星期二 13:01:20 UTC（19,213 KB）
来源：arXiv cs.AI · arxiv.org