In-Distribution Forcing for Long Video Generation at Test Time

Aggiunta all'archivio di AIChronos il 18 ottobre 2026 (numero del 6 ottobre 2026 ricostruito)· fonte del 2 ottobre 2026· Jeongwoo Shin, Youngyoon Choi, Sangwoo Jo, Hyunmog Kim, Sungjoon Choi, Joonseok Lee (Seoul National University)

I moderni modelli di diffusione video autoregressivi (AR) eccellono nella generazione a breve termine ma soffrono di 'drifting' e decadimento del movimento nei video lunghi. L'esistente condizionamento KV è insufficiente perché assume che le cache rimangano in-distribution, un'ipotesi fallibile oltre l'orizzonte di training nota come problema della provenienza KV (KV-provenance problem). Per risolvere questo limite, gli autori propongono In-Distribution Forcing (ID-Forcing), un framework a test-time che allinea la caching e il condizionamento KV alle configurazioni di training. Il meccanismo chiave è l'auto-caching (self-caching), che evita le voci OOD alla fonte mantenendo la finestra rotante esattamente in-distribution senza attendere le entrate precedenti.

• Il drifting nei video lunghi deriva dal fatto che il condizionamento KV assume erroneamente che le cache rimangano in-distribution oltre l'orizzonte di training.
• ID-Forcing introduce un meccanismo di self-caching per prevenire la creazione di voci KV out-of-distribution (OOD) alla loro origine durante il rollout.
• Ogni chunk viene cached senza attendere alle precedenti entry KV, garantendo che la finestra rotante rimanga esattamente in-distribution con le configurazioni di training.
• Il metodo estende i modelli a breve termine per generare video su scala minuto mantenendosi competitivo sui benchmark standard e riducendo drasticamente il drifting.
• Le valutazioni confermano una performance superiore rispetto al lavoro precedente sia tramite metriche quantitative che studi utente.

Perché conta. Questa tecnica è cruciale per gli sviluppatori di AI locale o agenti video perché risolve un problema fondamentale di coerenza temporale nei generativi lunghi, permettendo l'estensione affidabile dei modelli esistenti senza richiedere una nuova architettura radicale.

Vai alla fonte originale ↗ arXiv ↗

Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.