再见漂移：锚定树采样用于长时程视频到视频生成

长时程视频生成面临两个交织的问题：其一是漂移，导致视频质量随时间退化；其二是连续性问题，表现为对象恒定性问题，或不恰当地渲染瞬时内容（例如，出现在非连续帧中颜色/样式改变的物体）。近期工作聚焦于自回归蒸馏技术，同时解决这两个问题。我们则选择直接关注漂移，引入**锚定树采样 (Anchored Tree Sampling, ATS)**：一种训练自由的推理时间调度器，取代从左到右的滚动方式，改为稀疏到稠密、以锚点为界的插值组织成树结构。根调用生成整个时程的稀疏锚点，递归细化生成中间锚点，最终叶节点在相邻锚点之间合成。将关键路径从 $K$ 步顺序滚动步骤降低到 $L+1$ 步树状层级步骤，将时程累积型漂移转化为锚点受限型漂移。我们专注于静态相机场景下的视频到视频生成，在该场景下，时程上的稀疏锚点可被稠密条件信号良好近似，基础模型无需重新训练即可生成这些锚点。我们在 Wan $2.1$ $+$ VACE 上评估 ATS，对比两种当代自回归基线，在五种条件模态（inpainting、outpainting、edge、pose、depth）下。我们展示 ATS 在整体质量和漂移防护方面均优于两种竞争者。我们 additionally 在相同五种模态下演示了在 LTX-$2.3$ 上实现稳定的 $\geq 40$ 分钟生成。最后，我们提出将 ATS 扩展到任意长度的文本到视频生成，以及动态相机和多镜头场景的可能路径。