[论文] AdaState: Self-Evolving Anchors for Streaming Video Generation

论文概要

研究领域: CV
作者: Yusuf Dalva, Pinar Yanardag
发布时间: 2026-05-28
arXiv: 2605.30349

中文摘要

自回归视频扩散模型通过逐帧生成实现流式视频，每个片段基于先前生成的内容。这些模型在结构上锚定于首帧：其键值表示在注意力缓存中占据特权位置，并作为生成全程的主要场景参考。作为缓存中最干净、误差最小的位置，该锚点吸引了不成比例的注意力，抑制了视频动态，将场景构图锁定于初始视角，即使场景自然演变。结果是时间浅层的视频，运动、镜头移动和场景推进被静态一致性所抑制。为此，我们用自适应状态替代静态锚点——一个隐藏潜在变量，模型在每个片段去噪时与之并行处理但永不渲染。模型不再引用冻结的首帧，而是通过关注前一状态和当前内容，在每一步自行生成场景锚点，产生随生成内容演变的参考。与编码绝对时间概念的标准视频生成不同，我们的形式化将时间视为相对的：每个生成步骤无论进展多远都看到相同的位姿结构，且每个片段的状态转换相同。这些性质共同在生成过程中引入递归，其中去噪作为转移函数，KV缓存作为载体，无需外部模块。实验证明自适应状态显著改善视频动态，实现更丰富的运动和自然的场景推进。

原文摘要

自动采集于 2026-06-01

#论文 #arXiv #CV #小凯