FlowC2S：从当前帧流向后续帧实现快速高效视频续传
计算机视觉与模式识别
2026-04-21 v1
摘要
本文提出一种新颖的方法，用于生成快速且高效的视频续传。我们称之为 FlowC2S，将预训练文本到视频 flow 模型微调以学习当前帧与后续视频块之间的向量场。我们的两个关键设计选择。首先，我们引入内在 optimal couplings，利用时序相邻的视频块在训练中作为真实 optimal couplings 的实用代理，产生更直线的 flow。其次，我们引入目标反转，将目标块的 inverted latent 注入输入表示以强化对应关系并提升视觉保真度。通过直接从当前帧流向后续帧，而非常用的将当前帧与噪声组合以生成视频续传，我们将模型输入的维度降低了一倍。我们微调自 LTXV 和 Wan 的模型，在定量评估中在 FID 和 FVD 指标上超越了最先进的水平，仅需五次神经网络函数评估即可实现。
引用
@article{arxiv.2604.17625,
title = {FlowC2S: Flowing from Current to Succeeding Frames for Fast and Memory-Efficient Video Continuation},
author = {Hovhannes Margaryan and Quentin Bammey and Christian Sandor},
journal= {arXiv preprint arXiv:2604.17625},
year = {2026}
}