视频扩散模型：未来视频生成比观察视频更贴合人类视觉皮层

比较 AR 视频扩散模型与其非 AR 基座模型的内部表征和人类视觉皮层 fMRI 响应的对齐后发现，面向未来视频生成的表征比观察视频本身的表征更贴合视觉皮层。观察视频重建的对齐集中在低级视觉皮层，未来视频生成的对齐则集中在高级视觉皮层。人类行为实验还显示，受试者更偏好放大与视觉皮层对齐更好的单层贡献后生成的视频。