未来分块预测：自回归视频生成新训练目标

论文作者提出“未来分块预测”（FCP），将其作为与 teacher forcing 去噪联合优化的辅助训练目标：模型在看不到中间视觉上下文的情况下，预测时间上相隔的视频分块。该方法直接从训练视频取监督信号，无需额外预训练视觉编码器，也不改变自回归推理流程。 作者称，在更低的总训练算力下，该训练方式比标准 teacher forcing 训练取得更好的物理合理性。上述效果为论文作者的说法，尚待独立验证。

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。