Delta Forcing：用于交互式自回归视频生成的信赖域引导
计算机视觉与模式识别
2026-05-21 v3 图形学
多媒体
摘要
交互式实时自回归视频生成对于内容创建和世界建模等应用至关重要，在这些应用中，视觉内容必须适应动态变化的事件条件。一个基本挑战在于平衡反应性和稳定性：模型必须对新事件做出快速响应，同时在长周期内保持时间连贯性。现有方法将双向模型蒸馏为自回归生成器，并通过流式长周期微调进一步适配它们，但在条件改变后通常表现出持续的漂移。我们将原因归结为条件偏差，即教师模型可能提供与条件对齐但与轨迹无关的指导，使生成偏向局部有效但全局不一致的模式。受信赖域策略优化启发，我们提出了 Delta Forcing，这是一个简单而有效的框架，将不可靠的教师监督限制在自适应信赖域内。具体而言，Delta Forcing 根据教师和生成器轨迹之间的潜在 delta 估计过渡一致性，并利用它在教师监督与单调连续性目标之间取得平衡。这抑制了不可靠的教师诱导偏移，同时保持了对新事件的响应性。大量实验表明，Delta Forcing 在保持事件反应性的同时显著提高了一致性。
引用
@article{arxiv.2605.14382,
title = {Delta Forcing: Trust Region Steering for Interactive Autoregressive Video Generation},
author = {Yuheng Wu and Xiangbo Gao and Tianhao Chen and Xinghao Chen and Qing Yin and Zhengzhong Tu and Dongman Lee},
journal= {arXiv preprint arXiv:2605.14382},
year = {2026}
}