09:23
官方账号arXiv cs.LG@Taiye Chen, Qi Zhang, Yisen Wang
推荐理由：这篇论文揭示了视频世界模型长视频生成不稳定的根本原因——表示维度塌缩，并提出了一个简单有效的正则化方法，在VBench上大幅超过Diffusion Forcing。
Video World Models
共 1 条相关 AI 资讯
7月30日
09:23
视频扩散世界模型在自动驾驶、机器人等任务中生成长视频时，滑动窗口自回归推理会导致误差累积，使帧质量随时间下降。研究发现，复合误差与隐藏表示的维度塌缩紧密相关，有效秩在生成漂移开始时急剧下降。单纯扩大训练数据无法提升模型抗误差漂移能力。提出视频表示正则化，通过轻量训练约束稳定潜在表示，抑制迭代误差累积。相比Diffusion Forcing方法，在VBench的美学质量指标上从38.65提升至55.56，成像质量从44.37提升至72.08。