arXiv cs.AI· Yifan Shen, Yewei Xia, Gongxu Luo, Peiyuan Zhu, Boyang Sun, Zhenhao Chen, Guangyi Liu, Guangyi Chen, Kun Zhang·· 3 天前AI 评分26
Prospective Forcing：面向自回归长视频扩散的前瞻性预测训练框架
Prospective Forcing: Learning to Look Ahead for Autoregressive Long Video Diffusion
AI 导读
Prospective Forcing 是一种多头预测框架，通过在自回归视频生成器的共享历史表示上附加轻量级、偏移特定的预测头，让模型在训练时同时预测不同未来时间偏移的视频块，从而提升长视频生成的时间一致性。推理阶段，该方法利用被接受的未来块预测跳过完整窗口的主干执行以加速采样，并通过可学习嵌入生成下一块的多个候选，由学习到的验证器选择或回退到标准自回归生成。
正文 · AI 翻译
摘要：自回归视频生成器通过分块逐步展开来合成长视频，但它们通常只被训练来预测最近的未来。这种有限的预测视野使得在长时间展开中保持视频质量变得困难。为了解决这个问题，我们提出了前瞻强制（Prospective Forcing），一种多头预测框架，将长程预测信号注入自回归视频表示中。前瞻强制构建在滚动窗口生成器之上，附加轻量级的、特定偏移的预测头，这些预测头共享相同的条件信息，并独立预测不同未来时间偏移处的块。通过将监督扩展到下一个块之外，这些预测头促使共享历史表示保留对更长视野预测有用的信息，从而支持时间上一致的生成。在推理时，我们通过使用被接受的未来块预测来跳过完整窗口主干执行，从而加速采样。我们为预测头配备可学习嵌入，以生成下一个块的多个候选，并由一个学习到的验证器选择候选，或拒绝所有候选并回退到标准自回归生成。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14654 [cs.CV] |
| （或 arXiv:2610.14654v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14654 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yifan Shen [查看电子邮件]
[v1]
2026年10月10日星期六 07:07:54 UTC（14,400 KB）
来源：arXiv cs.AI · arxiv.org