ID-Forcing 缓解长视频生成漂移
先了解这件事
2026年10月5日，arXiv cs.CV 收录论文提出 ID-Forcing，一个面向自回归视频扩散模型的测试时框架，用于缓解长视频生成中的漂移。论文的做法是把 KV 缓存与 KV conditioning 对齐到训练配置，并采用 self-caching 机制：在每个 chunk 缓存时不关注先前的 KV 条目，使滚动窗口保持在分布内，从而把短视频模型扩展到分钟级生成。论文称该方法在标准视频生成 benchmark 上保持竞争力，漂移指标与用户研究结果均优于先前工作。10月6日，AGI Hunt 对该工作做了介绍报道，补充说明其问题动机：现有 KV conditioning 在超出训练时长后，rollout 生成的 KV 条目会变成 OOD，而 self-caching 正针对这一点。两篇报道在方法与结论上一致，未出现数字或时间上的矛盾。目前仍无其他来源的复现结果。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntID-Forcing：让短视频模型生成分钟级长视频的测试时框架
ID-Forcing 测试时框架用 self-caching，把短视频自回归视频扩散模型无缝扩展到分钟级长视频生成，并在标准基准上保持竞争力。作者指出，现有 KV conditioning 在超出训练时长后，rollout 生成的 KV 条目会变成 OOD，而 self-caching 缓存每个 chunk 时不参考先前 KV，使滚动窗口保持在训练分布内。
- arXiv cs.CVID-Forcing：让自回归视频扩散模型在测试时生成分钟级长视频
论文提出测试时框架 ID-Forcing，让 KV 缓存与 KV conditioning 对齐训练配置，以缓解自回归视频扩散模型的长视频漂移。其 self-caching 机制在每个 chunk 缓存时不关注先前 KV 条目，使滚动窗口保持在分布内，可将短视频模型扩展到分钟级生成。该方法在标准视频生成 benchmark 上保持竞争力，漂移指标与用户研究均优于先前工作。
本事件热度走势
当前热度 14·可比范围峰值 14（10月6日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。