FrameForge：用视频模型先验做统一图像生成

Yijing Lin 等作者提交论文，提出 FrameForge，通过输入自适应的虚拟时间关系，把视频基础模型用于统一条件图像生成。 该方法包含两部分：Mixture of Temporal Experts（MoTE）动态选择不同虚拟间隔的时间 RoPE 专家，用来建模目标与条件之间的距离；Chain of Temporal Reasoning（CoTR）用潜在中间状态和推理瓶颈注意力掩码，建模从条件到目标的变换。 上述内容来自论文自述，尚未见独立验证或实际效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。