History Forcing: Distilling History-Dependent Continuations for Long-Horizon Video World Models 封面
HuggingFace
论文2026-11-0…

History Forcing: Distilling History-Dependent Continuations for Long-Horizon Video World Models

Few-step autoregressive video diffusion enables efficient generation, yet maintaining consistency over long rollouts remains challenging, especially when subjects or scenes reappear after going out of sight. Despite pro…

来源:HuggingFace Papers收录于 2026年11月4日

站内导读

中文

定位:一篇视频世界模型论文,提出 History Forcing 方法,解决少步自回归视频扩散在长时生成中的一致性问题。少步自回归扩散让视频生成更高效,但长程滚动生成时,一旦主体或场景消失后重新出现,模型往往难以保持前后一致。History Forcing 通过蒸馏依赖历史的续写方式,让模型在长时序生成中更好地记住并延续先前内容。适用人群:研究视频生成、世界模型与扩散模型蒸馏的研究者。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →